阿拉伯语细粒度实体识别
计算与语言
2023-12-19 v2
摘要
传统的 NER 系统通常训练用于识别粗粒度实体，而将实体分类为细粒度的下层子类型所受关注较少。本文旨在推进阿拉伯语 NER 的细粒度实体研究。我们选择用子类型扩展 Wojood（一个开源的嵌套阿拉伯语命名实体语料库）。具体而言，将 Wojood 中的四个主要实体类型——地缘政治实体（GPE）、地点（LOC）、组织（ORG）和设施（FAC）——扩展为 31 个子类型。为此，我们首先修订了 Wojood 中 GPE、LOC、ORG 和 FAC 的标注以兼容 LDC 的 ACE 指南，由此产生了 5,614 处修改。其次，Wojood 中所有 GPE、LOC、ORG 和 FAC 的提及（约 44K）均使用 LDC 的 ACE 子类型进行了人工标注。我们将此扩展版 Wojood 称为 WojoodFine。为评估标注质量，我们使用 Cohen's Kappa 和 F1 分数衡量标注者间一致性（IAA），结果分别为 0.9861 和 0.9889。为计算 WojoodFine 的基线，我们在三种设定下微调了三个预训练的阿拉伯语 BERT 编码器：扁平 NER、嵌套 NER 以及带子类型的嵌套 NER，分别取得了 0.920、0.866 和 0.885 的 F1 分数。我们的语料库和模型均为开源，可在 https://sina.birzeit.edu/wojood/ 获取。
引用
@article{arxiv.2310.17333,
title = {Arabic Fine-Grained Entity Recognition},
author = {Haneen Liqreina and Mustafa Jarrar and Mohammed Khalilia and Ahmed Oumar El-Shangiti and Muhammad Abdul-Mageed},
journal= {arXiv preprint arXiv:2310.17333},
year = {2023}
}