ВЫДЕЛЕНИЕ NORP ОБЪЕКТОВ В УЗБЕКСКОМ ЯЗЫКЕ НА ОСНОВЕ СХЕМЫ АННОТАЦИИ BIOES
Ключевые слова:
Распознавание именованных сущностей (NER), BIOES, NORP, Лингвистический корпус, Аннотирование, Обработка естественного языка (NLP)Аннотация
В данной статье рассматриваются современные лингвистические исследования по выявлению и анализу объектов NORP (национальности, религиозные и политические группы) в узбекском языке. Анализируются тексты из Википедии, аннотированные с использованием схемы BIOES, а также рассматривается актуальность и практическая значимость выявления именованных объектов в системах NER. Кроме того, описаны методологические этапы подготовки корпуса данных, предварительной обработки, аннотирования и анализа результатов. На основе анализа теоретически обоснована сегментация объектов NORP по токенам и их лингвистические особенности.
Библиографические ссылки
Abduraxmonova, N. (2022). Developing NLP Tool for Linguistic Analysis of Turkic Languages. Tashkent: O‘zbekiston Milliy Universiteti.
Abduraxmonova, N., & Mengliyev, A. (2021). Application of BiLSTM and BiLSTM+CRF Models for NER in Uzbek. Journal of Computational Linguistics, 12(3), 45–62.
Abduraxmonova, N. (2020). Morphological and Syntactic Tools for Uzbek Language Analysis. Tashkent: Fan.
Abduraxmonova, N. (2019). Named Entity Recognition Challenges in Low-Resource Languages. Central Asian Journal of Computational Linguistics, 4(2), 11–28.
Arkhipov, M., et al. (2020). Russian NER using RuRoBERTa and SlavicBERT. Proceedings of the 28th Conference on Computational Linguistics, 112–123.
Asahara, M., & Matsumoto, Y. (2003). Japanese Named Entity Extraction with Support Vector Machines. Proceedings of the 7th Conference on Natural Language Learning, 1–4.
Grishman, R., & Sundheim, B. (1996). Message Understanding Conference – 6: A Brief History. COLING, 466–471.
Jurafsky, D., & Martin, J. H. (2023). Speech and Language Processing (4th ed.). Pearson.
Lample, G., Ballesteros, M., Subramanian, S., Kawakami, K., & Dyer, C. (2016). Neural Architectures for Named Entity Recognition. NAACL-HLT, 260–270.
Huang, Z., Xu, W., & Yu, K. (2015). Bidirectional LSTM-CRF Models for Sequence Tagging. arXiv preprint arXiv:1508.01991.
Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL-HLT, 4171–4186.
Oflazer, K., Küçük, H., & Yazıcı, A. (2004). NER for Turkish Using Rule-Based and Hybrid Approaches. Language Resources and Evaluation, 38(3), 325–346.
Kenjayev, R., & Toliyev, S. (2021). Deep Learning Approaches for Uzbek NER. International Journal of Artificial Intelligence Research, 15(2), 56–72.
Elov, O., & Samatboyeva, N. (2020). Identifying NER Objects in Uzbek Language Texts. Central Asian Journal of Computational Linguistics, 5(1), 23–38.
Seker, H., & Eryiğit, G. (2017). Named Entity Recognition in Turkish Using BiLSTM-CRF. International Journal of Computer Applications, 162(5), 1–8.
