先进 NLP 模型与大语言模型在多语言地理实体检测中的比较性能
计算与语言
2024-12-31 v1 人工智能
信息检索
摘要
先进自然语言处理 (NLP) 方法与大语言模型 (LLMs) 的集成显著提升了从多语言文本中提取和分析地理空间数据的能力，对国家和国际安全等行业产生了重要影响。本文对领先的 NLP 模型 —— SpaCy、XLM-RoBERTa、mLUKE、GeoLM —— 以及大语言模型（具体为 OpenAI 的 GPT 3.5 和 GPT 4）在多语言地理实体检测语境中的性能进行了全面评估。我们利用来自英语、俄语和阿拉伯语 Telegram 频道的数据集，through metrics such as accuracy, precision, recall, and F1 scores 来检验这些模型的效果，以评估其在准确识别地理空间参考信息方面的有效性。分析揭示了每个模型的独特优势和挑战，凸显了在多样化语言环境中实现精确地理实体识别所面临的复杂性。本实验所得结论旨在引导更先进和更包容的 NLP 工具的改进与创建，从而推动地理空间分析领域的发展，并将其应用于全球安全。
引用
@article{arxiv.2412.20414,
title = {Comparative Performance of Advanced NLP Models and LLMs in Multilingual Geo-Entity Detection},
author = {Kalin Kopanov},
journal= {arXiv preprint arXiv:2412.20414},
year = {2024}
}
备注
6 pages, 1 table, AICCONF '24: Cognitive Models and Artificial Intelligence Conference, Istanbul, Turkey