CMNER:基于微博的中文多模态实体识别数据集

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5000条微博帖子和18326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。