面向低资源语言尼泊尔语的生成式 AI 命名实体识别
计算与语言
2025-03-14 v1 人工智能
摘要
生成式人工智能（GenAI），特别是大型语言模型（LLM），已显著推进了自然语言处理（NLP）任务的进展，如命名实体识别（NER），该任务涉及识别文本中的人名、地名和组织名等实体。由于其能够从有限数据中学习，LLM 在低资源语言方面尤为有前景。然而，针对尼泊尔语这种低资源语言的 GenAI 模型性能尚未得到充分评估。本文调查了针对尼泊尔语 NER 应用最先进的 LLM，通过实验各种提示技术来评估其有效性。我们的结果为在低资源环境中使用 LLM 进行 NER 提供了挑战与机遇的见解，并为以尼泊尔语等语言为代表的 NLP 研究做出了有价值的贡献。
引用
@article{arxiv.2503.09822,
title = {Generative AI for Named Entity Recognition in Low-Resource Language Nepali},
author = {Sameer Neupane and Jeevan Chapagain and Nobal B. Niraula and Diwa Koirala},
journal= {arXiv preprint arXiv:2503.09822},
year = {2025}
}
备注
This paper has been accepted in the FLAIRS Conference 2025