法语命名实体识别外在因素的比较分析
计算与语言
2024-10-21 v2
摘要
命名实体识别 (NER) 是一个关键任务，旨在识别结构化信息，往往包含复杂的技术术语和高度可变性。准确可靠的 NER 可促进重要信息的提取和分析。然而，除英语外的 NER 具有数据可用性有限的挑战，因为需要高水平的专业知识、时间和费用来标注其数据。在本文中，我们利用有限的数据，探索各种因素，包括模型结构、语料库标注方案和数据增强技术，以提高法语 NER 模型的性能。我们的实验表明，这些方法可以显著提高模型的 F1 分数，从原始 CRF 得分的 62.41 提升到 79.39。我们的发现表明，考虑不同的外在因素并组合这些技术是提升数据有限时 NER 性能的有前景的方法。
引用
@article{arxiv.2410.12750,
title = {Comparative Analysis of Extrinsic Factors for NER in French},
author = {Grace Yang and Zhiyi Li and Yadong Liu and Jungyeul Park},
journal= {arXiv preprint arXiv:2410.12750},
year = {2024}
}