CMNER: A Chinese Multimodal NER Dataset based on Social Media

要約

マルチモーダル固有表現認識(MNER)は、適切な画像を用いてテキストから固有表現を抽出する重要なタスクである。それにもかかわらず、中国語MNERのデータが著しく少ないため、中国語領域におけるこの自然言語処理タスクの進歩がかなり妨げられている。そこで本研究では、中国最大のソーシャルメディア・プラットフォームであるWeiboから入手したデータを用いて、中国語マルチモーダルNERデータセット（CMNER）を作成する。このデータセットには、5,000のWeibo投稿と18,326の対応する画像が含まれている。エンティティは、人物、場所、組織、雑多の4つのカテゴリーに分類される。CMNERでベースライン実験を行った結果、NERに画像を組み込むことの有効性が明らかになった。さらに、一般に公開されている英語のMNERデータセット（Twitter2015）を用いてクロスリンガル実験を行い、中国語と英語のマルチモーダルNERデータが相互にNERモデルの性能を高めることができるという我々の仮説を実証する結果を得た。

要約(オリジナル)

Multimodal Named Entity Recognition (MNER) is a pivotal task designed to extract named entities from text with the support of pertinent images. Nonetheless, a notable paucity of data for Chinese MNER has considerably impeded the progress of this natural language processing task within the Chinese domain. Consequently, in this study, we compile a Chinese Multimodal NER dataset (CMNER) utilizing data sourced from Weibo, China’s largest social media platform. Our dataset encompasses 5,000 Weibo posts paired with 18,326 corresponding images. The entities are classified into four distinct categories: person, location, organization, and miscellaneous. We perform baseline experiments on CMNER, and the outcomes underscore the effectiveness of incorporating images for NER. Furthermore, we conduct cross-lingual experiments on the publicly available English MNER dataset (Twitter2015), and the results substantiate our hypothesis that Chinese and English multimodal NER data can mutually enhance the performance of the NER model.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL