COLINGFeb, 2024

马来西亚英语新闻解码：一个命名实体和关系提取的语言资源

PDF
TL;DR通过构建一个针对马来西亚英语的新闻数据集，并利用该数据集进行 spaCy NER 工具的微调，我们成功地改进了马来西亚英语中实体识别的性能。该数据集将在马来西亚英语的自然语言处理研究中作出重要贡献，尤其是在命名实体识别和关系抽取方面。
malaysian englishnatural language processingnamed entity recognitiondatasetner performance
发现论文，激发创造
  • ChatGPT 对马来西亚英语的理解能力：命名实体识别和关系抽取的评估

    本研究通过在马来西亚英语新闻（MEN）数据集上评估 ChatGPT 的能力，提出了一种名为 “教育 - 预测 - 评估” 的三步方法，并发现 ChatGPT 在从马来西亚英语新闻文章中提取实体方面表现不佳，但在关系抽取方面的表现却不受形态句法适应的影响。

    Nov, 2023

  • 架起桥梁：从英文 PLM 到马来西亚英文的迁移学习

    通过使用经过专门定制的预训练语言模型 MENmBERT 和 MENBERT，在马来西亚英语文本中实现了命名实体识别 (NER) 和关系抽取 (RE) 任务方面的显著改进，这证明在低资源环境中，预训练模型在特定语言和地理焦点文本上的表现有望提高。

    Jul, 2024

  • 为塔加洛语开发命名实体识别数据集

    我们为塔加洛语开发了一个命名实体识别（NER）数据集，填补了菲律宾语言中 NER 资源匮乏的空白。文本来源于包含新闻报道的预训练语料库，并由母语人士迭代标注。该数据集包含约 7.8k 个文档，涵盖人名、组织和地点三个实体类型。我们还在有监督学习和迁移学习环境中对最先进的方法进行了广泛的实证评估。最后，我们公开发布了数据和处理代码，以激励未来在塔加洛语自然语言处理方面的研究工作。

    Nov, 2023

  • MSNER：一个用于命名实体识别的多语言语音数据集

    该研究介绍了 MSNER，一个多语种语音语料库，用于命名实体识别，并提供了用于训练、验证和评估的数据集，同时推出了一个高效的标注工具。

    May, 2024

  • 中文文学文本的语篇级别命名实体识别和关系抽取数据集

    本文构建了一个基于语篇水平的汉语文学语料库，提出两种标记方法来解决数据不一致性的问题，并介绍了几种常用模型进行实验，研究结果不仅展示了该数据集的可用性，而且为进一步的研究提供了基线。

    Nov, 2017

  • 信息提取：在发展中国家超本地金融数据领域的应用

    本研究使用自然语言处理技术，旨在解决获取发展中国家公司财务数据的问题。通过构建专门针对发展中国家金融文本数据的数据集，我们采用基于 Transformer 的 T5 模型进行文本到文本的处理，同时进行命名实体识别和关系提取，达到 92.44% 的准确率、68.25% 的精确度和 54.20% 的召回率。同时，我们还使用 SpaCy 进行序列处理，包括预训练和微调模型的命名实体识别以及使用 SpaCy 的依赖解析器输出和一些启发式方法来确定实体关系，最终实现了 84.72% 的准确率、6.06% 的精确度和 5.57% 的召回率。

    Mar, 2024

  • MasakhaNER: 面向非洲语言的命名实体识别

    本文介绍了第一个大型公开高质量的非洲十种语言的命名实体识别数据集，研究这些语言对命名实体识别带来的挑战，并在监督和迁移学习设置下进行了广泛的实证评估和分析，旨在启发未来的非洲自然语言处理研究。

    Mar, 2021

  • 使用 BERT 实现通用语言命名实体识别

    本文研究了一种基于多语言 BERT 的单一命名实体识别模型，使用多任务学习和分块更新规则等正则化策略优化模型，并证明在多种语言数据集上表现优于专注于单一语言模型，并能够进行零样本预测。

    Nov, 2019

  • HiNER：一个大规模的印地语命名实体识别数据集

    该论文发布了一份标准符合的，包含 109,146 句子和 2,220,856 个标记的 Hindi NER 数据集，并使用不同的语言模型对其进行了评估，表明其对于 NLP 在 Hindi 方面有着重要的作用。

    Apr, 2022

  • WikiGoldSK：斯洛伐克命名实体识别的注释数据集、基线和少样本学习实验

    本研究旨在解决某些语种尚未存在高质量手动标注数据集的现状，并通过引入 WikiGoldSK 数据集，评估了最先进的多语言预训练语言模型在斯洛伐克语上的效果，并与现有的银标准斯洛伐克 NER 数据集进行了比较。我们还进行了几个示范性实验，并显示使用一个银标准数据集进行训练可以获得更好的结果。最终，我们公开了数据集、代码和经过训练的模型，并采用可许可的许可条款。

    Apr, 2023