SLIMER-IT: Zero-Shot NER on Italian Language

要約

固有表現認識 (NER) に対する従来のアプローチでは、タスクを BIO シーケンスのラベル付け問題に組み込んでいます。
これらのシステムは多くの場合、当面の下流タスクでは優れていますが、大量の注釈付きデータが必要であり、配布外の入力ドメインや目に見えないエンティティ タイプに一般化するのに苦労しています。
それどころか、大規模言語モデル (LLM) は強力なゼロショット機能を実証しています。
英語でゼロショット NER を扱った作品はいくつかありますが、他の言語ではほとんど行われていません。
この論文では、ゼロショット NER の評価フレームワークを定義し、それをイタリア語に適用します。
さらに、SLIMER のイタリア版である SLIMER-IT を紹介します。これは、定義とガイドラインが充実したプロンプトを活用した、ゼロショット NER の命令チューニング アプローチです。
他の最先端のモデルとの比較により、これまでに見たことのないエンティティ タグにおける SLIMER-IT の優位性が実証されています。

要約(オリジナル)

Traditional approaches to Named Entity Recognition (NER) frame the task into a BIO sequence labeling problem. Although these systems often excel in the downstream task at hand, they require extensive annotated data and struggle to generalize to out-of-distribution input domains and unseen entity types. On the contrary, Large Language Models (LLMs) have demonstrated strong zero-shot capabilities. While several works address Zero-Shot NER in English, little has been done in other languages. In this paper, we define an evaluation framework for Zero-Shot NER, applying it to the Italian language. Furthermore, we introduce SLIMER-IT, the Italian version of SLIMER, an instruction-tuning approach for zero-shot NER leveraging prompts enriched with definition and guidelines. Comparisons with other state-of-the-art models, demonstrate the superiority of SLIMER-IT on never-seen-before entity tags.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google