CMNER:基于微博的中文多模态实体识别数据集

来源：计算机技术与发展杂志2024年第10期北京时间：

作者：季源泽;李霏

摘要：多模态命名实体识别(MNER)旨在通过相关图像的辅助从文本中定位并分类命名实体。 目前,中文多模态命名实体识别研究缺乏相关的人工标注数据,限制了中文多模态命名实体识别的发展。 该文旨在构建一个基于社交媒体平台的中文 MNER 数据集,收集了5 000 条微博帖子和18 326 张相应的图像,并人工标注了其中的人名、地名、组织机构名和其他类实体。 该文在此数据集上应用了 ACN 模型和 UMT 模型进行基线实验。 实验结果表明,两个模型的 F1 值分别达到了74. 22% 和 89. 50% ,证明了数据集的有效性和可用性。 此外,该文还进行了跨语言迁移学习实验,证明了中文和英文 MNER 数据能够相互补充,增强实体识别模型的性能。 为了促进中文多模态命名实体识别的相关研究,该文公开了 CMNER 数据集和相关代码。

关键词：多模态命名实体识别;图像;命名实体;中文;跨语言