要約
名前付きエンティティ認識（NER）は、非構造化データから名前付きエンティティ（NE）を人、組織、場所、日付、時間などの事前定義されたカテゴリに識別および分類することにより、さまざまな自然言語処理（NLP）タスクで極めて重要な役割を果たします。
高リソース言語と一般的なドメインについては広範な研究が存在しますが、特に教育のようなドメイン固有のコンテキスト内でウルドゥー語のNERは依存していないままです。
これは、このドメインのターゲットリソースの緊急の必要性を強調する、学術的な役割、コース名、制度用語などのエンティティを正確に特定する既存のモデルの能力を制限する教育コンテンツの注釈付きデータセットの不足によるものです。
私たちの知る限り、この目的のためにウルドゥー語のドメインにデータセットは存在しません。
この目的を達成するために、この研究は3つの重要な貢献をします。
まず、教育ドメインに関連する13のユニークな最も重要なエンティティを含むEdu-ner-2025という名前の教育ドメインに、手動で注釈付きのデータセットを作成しました。
第二に、注釈のプロセスとガイドラインについて詳しく説明し、Edu-ner-2025データセットにラベルを付けることの課題について説明します。
第三に、形式的なウルドゥー語のテキストで一般的な形態学的な複雑さや曖昧さなど、重要な言語的課題に対処して分析しました。
要約(オリジナル)
Named Entity Recognition (NER) plays a pivotal role in various Natural Language Processing (NLP) tasks by identifying and classifying named entities (NEs) from unstructured data into predefined categories such as person, organization, location, date, and time. While extensive research exists for high-resource languages and general domains, NER in Urdu particularly within domain-specific contexts like education remains significantly underexplored. This is Due to lack of annotated datasets for educational content which limits the ability of existing models to accurately identify entities such as academic roles, course names, and institutional terms, underscoring the urgent need for targeted resources in this domain. To the best of our knowledge, no dataset exists in the domain of the Urdu language for this purpose. To achieve this objective this study makes three key contributions. Firstly, we created a manually annotated dataset in the education domain, named EDU-NER-2025, which contains 13 unique most important entities related to education domain. Second, we describe our annotation process and guidelines in detail and discuss the challenges of labelling EDU-NER-2025 dataset. Third, we addressed and analyzed key linguistic challenges, such as morphological complexity and ambiguity, which are prevalent in formal Urdu texts.
arxiv情報
| 著者 | Fida Ullah,Muhammad Ahmad,Muhammad Tayyab Zamir,Muhammad Arif,Grigori sidorov,Edgardo Manuel Felipe Riverón,Alexander Gelbukh |
| 発行日 | 2025-04-25 07:50:58+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google