Dividido en 13 temas, el concurso MULTICONER se centró en métodos para identificar entidades complejas con nombres específicos en 12 idiomas, tanto en escenarios monolingües como multilingües, así como en entornos ruidosos. Los tipos generales son: persona, lugar, grupo, producto, trabajo creativo y médico. La tarea utilizó el conjunto de datos MultiCoNER V2, compuesto por 2,2 millones de instancias en bengalí, chino, inglés, farsi, francés, alemán, hindi, italiano, portugués, español, sueco y ucraniano. Esta tarea consiste en el reconocimiento de entidades en español.
Publicación
Besnik Fetahu, Sudipta Kar, Zhiyu Chen, Oleg Rokhlenko, and Shervin Malmasi. 2023. SemEval-2023 Task 2: Fine-grained Multilingual Named Entity Recognition (MultiCoNER 2). In Proceedings of the 17th International Workshop on Semantic Evaluation (SemEval-2023), pages 2247–2265, Toronto, Canada. Association for Computational Linguistics.
Idioma
Español
Inglés
URL Tarea
NLP topic
Tarea abstracta
Dataset
Año
2023
Enlace publicación