用于多语言时间与数值表达式抽取与规范化的数据集及基线系统
计算与语言
2023-04-03 v1 人工智能
摘要
时间与数值表达式理解在许多下游自然语言处理（NLP）与信息检索（IR）任务中极为重要。然而，以往许多工作仅覆盖少数子类型且只关注实体抽取，这严重限制了所识别提及的可用性。为使此类实体在下游场景中可用，子类型的覆盖度和粒度十分重要；更为关键的是，提供可操作的具体数值解析。此外，以往大多数工作仅涉及少数几种语言。在此我们描述一个多语言评测数据集——NTX——覆盖14种语言中多样的时间与数值表达式，并涵盖抽取、规范化与解析。连同该数据集，我们提供一个鲁棒的规则基系统作为强基线，用于在此数据集上评估的其他模型对比。数据与代码可在 \url{https://aka.ms/NTX} 获取。
引用
@article{arxiv.2303.18103,
title = {Dataset and Baseline System for Multi-lingual Extraction and Normalization of Temporal and Numerical Expressions},
author = {Sanxing Chen and Yongqiang Chen and Börje F. Karlsson},
journal= {arXiv preprint arXiv:2303.18103},
year = {2023}
}
备注
Technical Report