WikiNER-fr-gold：黄金标准命名实体识别语料库
计算与语言
2025-04-29 v2 人工智能
数据库
摘要
本文针对 WikiNER 语料库——一种多语言命名实体识别语料库的质量问题进行探讨，并提供其统一版本。WikiNER 的标注采用半监督方式，即未进行事后人工验证，故称为银标准语料库。本文提出 WikiNER-fr-gold，其为 WikiNER 法语部分的修订版本。该语料库由原法语子语料库随机抽取的 20% 组成（26,818 句、70 万 token）。我们首先总结每类实体类型在各类别中的含义，以定义标注指南，然后对语料库进行修订。最后，我们呈现对 WikiNER-fr 语料库中观察到的错误和不一致性的分析，并讨论潜在的未来工作方向。
引用
@article{arxiv.2411.00030,
title = {WikiNER-fr-gold: A Gold-Standard NER Corpus},
author = {Danrun Cao and Nicolas Béchet and Pierre-François Marteau},
journal= {arXiv preprint arXiv:2411.00030},
year = {2025}
}