MasakhaNER: Erkennung benannter Entitäten für afrikanische Sprachen

Zusammenfassung Wir unternehmen einen Schritt zur Bekämpfung der Unterrepräsentation des afrikanischen Kontinents in der NLP-Forschung, indem wir verschiedene Interessengruppen zusammenbringen, um den ersten großen, öffentlich verfügbaren, qualitativ hochwertigen Datensatz für die Erkennung benannter Entitäten (NER) in zehn afrikanischen Sprachen zu erstellen. Wir beschreiben die Eigenschaften dieser Sprachen, um Forschern und Praktikern ein besseres Verständnis der Herausforderungen zu ermöglichen, die sie für NER-Aufgaben darstellen. Wir analysieren unsere Datensätze und führen eine umfangreiche empirische Bewertung der Methoden des Standes der Technik sowohl in überwachten als auch in Transfer-Learning-Szenarien durch. Abschließend stellen wir die Daten, den Code und die Modelle bereit, um zukünftige Forschung im Bereich der afrikanischen NLP zu fördern.