Named entity recognition

La tarea consiste en detectar entidades semánticamente ambiguas y complejas en contextos cortos y con poca información (como títulos de medios, productos y grupos) en 11 idiomas (incluido el español) tanto en escenarios monolingües como multilingües.

Publicación
Shervin Malmasi, Anjie Fang, Besnik Fetahu, Sudipta Kar, and Oleg Rokhlenko. 2022. SemEval-2022 Task 11: Multilingual Complex Named Entity Recognition (MultiCoNER). In Proceedings of the 16th International Workshop on Semantic Evaluation (SemEval-2022), pages 1412–1437, Seattle, United States. Association for Computational Linguistics.
Idioma
Español
Inglés
Tarea abstracta
Dataset
Año
2022
Métrica Ranking
F1

Mejores resultados para la tarea

Sistema F1
DAMO-NLP 0.8994
USTC-NELSLIP 0.8544
Infrrd.ai 0.7526
MaChAmp 0.7520

Si has publicado un resultado mejor que los de la lista, envía un mensaje a odesia-comunicacion@lsi.uned.es indicando el resultado y el DOI del artículo, junto con una copia del mismo si no está publicado en abierto.