龙与地下城领域中命名实体识别的比较分析
计算与语言
2023-10-02 v1 机器学习
摘要
许多 NLP 任务尽管在通用英语中已较好解决，但在奇幻文学等特定领域面临挑战。这在命名实体识别（NER）中显而易见，该任务检测并分类文本中的实体。我们在 7 本龙与地下城（D&D）冒险书籍上分析了 10 个 NER 模型，以评估领域特定性能。使用开源大语言模型，我们标注了这些书籍中的命名实体并评估了每个模型的精确率。我们的结果表明，在不加修改的情况下，Flair、Trankit 和 Spacy 在 D&D 语境中识别命名实体方面优于其他模型。
引用
@article{arxiv.2309.17171,
title = {Comparative Analysis of Named Entity Recognition in the Dungeons and Dragons Domain},
author = {Gayashan Weerasundara and Nisansa de Silva},
journal= {arXiv preprint arXiv:2309.17171},
year = {2023}
}
备注
9 pages