匈牙利语命名实体识别模型（基于OntoNotes5及更多实体类型）

• 预训练模型使用：SZTAKI-HLT/hubert-base-cc
• 在NerKor+CARS-ONPP语料库上微调

限制条件

• 最大序列长度 = 448

训练数据

基础语料库NerKor+CARS-OntoNotes++源自NYTK-NerKor——一个包含约100万标记的匈牙利语黄金标准命名实体标注语料库。该语料库新增了来自hvg.hu新闻档案中关于机动车辆（汽车、公交车、摩托车）的1.2万标记文本（独立句子）。原始NYTK-NerKor采用CoNLL2002标注标准，仅包含四类命名实体（PER、LOC、MISC、ORG），而本版本语料库包含30多种实体类型，涵盖[OntoNotes 5.0]英文NER标注中的所有实体类型。新标注细化了LOC和MISC实体类型的子类，并新增了时间日期、数量、语言国籍、宗教或政治团体等非名称实体的标注，还扩展了OntoNotes 5未包含的实体子类型（详见下文）。

源自OntoNotes 5.0的标注标签

名称实体按以下类型标注：

以下非名称实体也采用类似方式标注：

新增标签（OntoNotes 5未包含）

MISC类型的子类扩展：

其他非名称实体：

若使用本模型，请引用：

@inproceedings{novak-novak-2022-nerkor,
    title = "{N}er{K}or+{C}ars-{O}nto{N}otes++",
    author = "Nov{\'a}k, Attila  and
      Nov{\'a}k, Borb{\'a}la",
    booktitle = "Proceedings of the Thirteenth Language Resources and Evaluation Conference",
    month = jun,
    year = "2022",
    address = "Marseille, France",
    publisher = "European Language Resources Association",
    url = "https://aclanthology.org/2022.lrec-1.203",
    pages = "1907--1916",
    abstract = "本文介绍了匈牙利语NYTK-NerKor命名实体语料库的升级版，其标注跨度是原始版本的两倍，实体类型数量是原始版本的七倍。我们采用扩展版OntoNotes 5标注体系，包含时间和数字表达式。NerKor是匈牙利语最新最大的多领域NER语料库。基于多语言上下文模型，我们通过跨语言NER模型迁移实现语料库预标注，并进行了半自动和人工校正。零样本预标注效果显著，最佳模型F1值达0.82。新增了1.2万标记的机动车辆子语料库。我们训练并发布了基于该语料库的匈牙利语Transformer NER标注器，其性能与原始语料库训练的同类模型相当。",
}