Universal NER: A Gold-Standard Multilingual Named Entity Recognition Benchmark

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F25%3AYPNCYTJL" target="_blank" >RIV/00216208:11320/25:YPNCYTJL - isvavai.cz</a>

Výsledek na webu

<a href="https://www.scopus.com/inward/record.uri?eid=2-s2.0-85199571930&partnerID=40&md5=5ee459fb2e1d6df5d849ddf6ecc0da70" target="_blank" >https://www.scopus.com/inward/record.uri?eid=2-s2.0-85199571930&partnerID=40&md5=5ee459fb2e1d6df5d849ddf6ecc0da70</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Universal NER: A Gold-Standard Multilingual Named Entity Recognition Benchmark

Popis výsledku v původním jazyce

We introduce Universal NER (UNER), an open, community-driven project to develop gold-standard NER benchmarks in many languages. The overarching goal of UNER is to provide high-quality, cross-lingually consistent annotations to facilitate and standardize multilingual NER research. UNER v1 contains 19 datasets annotated with named entities in a cross-lingual consistent schema across 13 diverse languages. In this paper, we detail the dataset creation and composition of UNER; we also provide initial modeling baselines on both in-language and cross-lingual learning settings. We will release the data, code, and fitted models to the public. ©2024 Association for Computational Linguistics.

Název v anglickém jazyce

Universal NER: A Gold-Standard Multilingual Named Entity Recognition Benchmark

Popis výsledku anglicky

We introduce Universal NER (UNER), an open, community-driven project to develop gold-standard NER benchmarks in many languages. The overarching goal of UNER is to provide high-quality, cross-lingually consistent annotations to facilitate and standardize multilingual NER research. UNER v1 contains 19 datasets annotated with named entities in a cross-lingual consistent schema across 13 diverse languages. In this paper, we detail the dataset creation and composition of UNER; we also provide initial modeling baselines on both in-language and cross-lingual learning settings. We will release the data, code, and fitted models to the public. ©2024 Association for Computational Linguistics.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

—

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proc. Conf. North American Chapter Assoc. Comput. Linguist.: Hum. Lang. Technol., NAACL

ISBN

979-889176114-8

ISSN

—

e-ISSN

—

Počet stran výsledku

16

Strana od-do

4322-4337

Název nakladatele

Association for Computational Linguistics (ACL)

Místo vydání

—

Místo konání akce

Hybrid, Mexico City

Datum konání akce

1. 1. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—