NERetrieve: Dataset for Next Generation Named Entity Recognition and Retrieval

NERetrieve: Dataset for Next Generation Named Entity Recognition and Retrieval

1. 本研究の学術的背景、研究課題の核心をなす学術的「問い」は、Named Entity Recognition（NER）が大規模言語モデル（LLM）によってどのように進化しているか、そしてそれによってNERの新たな可能性はどの程度あるかということです。

2. 本研究の目的は、LLMの能力を活かしてNERをさらなるレベルに進化させることです。具体的には、より詳細で交差したエンティティタイプへの移行、エンティティタイプのラベルを基にしたゼロショット認識と抽出、および認識のセットアップから検索のセットアップへの移行という3つの変異形に取り組んでいます。

3. 本研究は、NERの分野での最新動向を取り入れながら、LLMの能力を活用して新たな研究領域を切り拓こうとするものです。従来のモデルでは対処が難しかった課題に挑戦し、より細かく複雑なタイプのエンティティを認識すること、さらには新たな検索のセットアップへと進化させることを目指しています。

4. 本研究では、3つのNERタスクのヴァリアントとそれを支援するデータセットを提案しています。具体的には、より詳細なエンティティタイプの認識、ゼロショット認識と抽出、およびゼロショットタイプのエンティティを含むすべての文を抽出する検索のセットアップに取り組んでいます。これらのタスクに対応するために、4百万の段落をカバーし、500のエンティティタイプを含む大規模なデータセットを提供しています。

5. 本研究の有効性は、提案されたタスクとデータセットを使用して、LLMによるNERの新たな可能性を実証することによって検証されました。LLMを用いた提案手法は、従来のモデルと比べて優れた性能を示しており、NERの課題をより多くのタイプに対して扱えるようにしています。