Apr, 2024

HistNERo: 历史罗马尼亚语命名实体识别

HTML
PDF
TL;DR介绍了HistNERo，第一个用于历史报纸中的罗马尼亚命名实体识别（NER）的罗马尼亚语语料库，含323k个标记文本，覆盖了1817年至1990年的超过一半时间段。实验结果显示，最佳模型在此语料库上的严格F1分数达到了55.69％，通过减少地区之间的差异并使用一种新颖的领域自适应技术，我们将其提高到了66.80％，相对增益超过10％。
发现论文，激发创造
  • 面向历史德语的鲁棒命名实体识别

    应用预训练的基于字符的语言模型，成功提升了历史德语低资源命名实体识别准确性，并相较于经典CRF-based方法和Bi-LSTMs，提高了高达6%的F1得分表现。

    Jun, 2019

  • 低资源命名实体识别的软性地名词典

    该研究提出了一种“软型Gazetteer”的方法，通过跨语言实体联接将英语知识库中的广泛信息引入神经命名实体识别模型，以解决在低资源语言中设计手动特征的问题，并在4种低资源语言上进行了实验证明。

    May, 2020

  • 数字日记档案中的命名实体识别“Prozhito

    该研究旨在填补以新闻、研究论文、维基百科为主的命名实体识别数据集的多个空白领域，通过在俄语口述日记文本中创建名为“Razmecheno”的新数据集，该数据集包含1331个句子和14119个标记，并标记了人物，特征，位置，组织和设施等五种命名实体识别的常用实体类型。我们使用众包平台Yandex.Toloka进行了数据标注，并通过NER工具和微调预训练的上下文编码器进行了实证评估。

    Jan, 2022

  • 实体、日期和语言：使用T0进行历史文本的零样本学习

    本文探讨了使用T0模型的zero-shot技术来进行跨越时间和语言的NER是否可行，通过历史文献的测试，结果表明利用prompt的naive方法在zero-shot多语种NER方面存在误差，但揭示了该方法在缺乏标记数据的历史语言方面的潜力。此外，实验结果也表明类似T0的模型可以用于预测文档的发布日期和语言，这对于历史文本研究非常有意义。

    Apr, 2022

  • hmBERT: 历史多语言语言模型用于命名实体识别

    本篇研究讨论了针对历史文本进行命名实体识别的挑战，并提出使用大型历史语言模型 hmBERT 预训练来解决标注数据不充足的问题，并使用 HIPE-2022 共享任务来评估模型性能。

    May, 2022

  • ChatGPT能否识别历史文档中的实体？

    本文探讨大型语言模型在历史文本中的命名实体识别和分类任务中的应用，通过比较其与基于最先进的语言模型的系统的表现找出其存在的问题。研究结果表明，历史文本中的命名实体识别存在多个问题，包括实体注释规范的一致性、实体复杂性和代码切换等，这些问题导致大型语言模型与其他系统相比存在着一些缺点。

    Mar, 2023

  • 基础模型在斯拉夫语命名实体识别和词形还原任务中的应用探索

    本文介绍了亚当·米茨凯维奇大学（AMU）的解决方案，用于对斯拉夫语言中的命名实体进行识别、分类和词形还原的任务，并且探索了使用基于BERT和T5模型架构的基础模型以及外部数据集来进一步提高模型质量的方法，并取得了令人满意的结果。

    Apr, 2023

  • DAMO-NLP在SemEval-2023任务2中：用于多语言命名实体识别的统一检索增强系统

    本文主要介绍了一个针对多语种细粒度命名实体识别的统一检索增强系统（U-RaNER），通过整合基于实体的Wikidata知识库来增强检索上下文的范围，探索各种搜索策略，提高检索知识的质量。研究团队-DAMO-NLP在 MultiCoNER2 共享任务中的表现优于ChatGPT，证明了该系统的优越性。

    May, 2023

  • 历史欧洲的人物和地点：自举标注管道和晚期中世纪文本中命名实体的新语料库

    本文开发了一个新的NER语料库，并使用信息检索技术，自动引导命名实体识别-注释语料库。我们使用我们的语料库训练了一个NER模型，具有72.81-93.98％的实体级精度和58.14-81.77％的召回率。此外，我们公开发布了我们的语料库，模型和实验代码，以便他人重现和构建我们的工作。

    May, 2023

  • NERetrieve: 下一代命名实体识别与检索数据集

    通过大规模语言模型，命名实体识别可以达到更精细化的实体类型识别、零样本识别和语句检索等目标，但这些目标仍然需要进一步研究和探索。

    Oct, 2023