GeoWebNews

我们还发布了一个新的GeoWebNews数据集，以挑战研究人员 开发机器学习 (ML) 算法来评估分类/标记 基于深层语用学而不是浅层句法特征的表现。 第2节给出了Geoparsing、NER、GIE和GIR的背景。我们呈现 第3节中的新分类法，描述和分类地名类型。在 第四节，我们对当前的评价方法进行了全面的回顾。 并证明推荐的框架是合理的。最后，第5节介绍了 GeoWebNews数据集、注释和资源。我们还评估地理标记 以及新数据集上的地名解析，说明了 几种序列标记模型，如SpacyNLP和谷歌NLP。We also release a novel GeoWebNews dataset to challenge researchers to develop machine learning (ML) algorithms for evaluating the performance of classification/tagging tasks based on deep pragmatic rather than shallow syntactic features. Section 2 provides background on Geoparsing, NER, GIE, and GIR. We present a novel taxonomy in Section 3, which describes and classifies toponym types. In Section 4, we conduct a comprehensive review of current evaluation methods and justify the proposed framework. Finally, Section 5 introduces the GeoWebNews dataset, annotations, and resources. We also evaluate geotagging and geoparsing on the novel dataset, demonstrating several sequence tagging models such as spaCyNLP and Google NLP.

搜集汇总

背景与挑战

背景概述

GeoWebNews是一个用于地理命名实体识别和地理解析的数据集，旨在挑战研究人员开发基于深层语用学的机器学习算法进行评估。该数据集由剑桥大学于2019年发布，包含对序列标记模型的测试资源。