כתבה
arXiv cs.CL ·
BERT-מודלים נגד מודלי שפה גדולים לזיהוי ישויות שמות במראת'י
BERT-based Models vs. Large Language Models for Low-Resource Named Entity Recognition: A Comparative Study on Marathi
חוקרים בדקו את ביצועי מודלי BERT ומודלי שפה גדולים בזיהוי ישויות שמות בשפה המראת'ית. התוצאות הראו שמודלי BERT המאולפים מקומית עלו על ביצועי המודלים הגדולים, כולל LLaMA ו-Gemini.
תקציר מקורי באנגליתarXiv:2607.23344v1 Announce Type: new Abstract: Named Entity Recognition (NER) for low-resource languages such as Marathi remains a challenging task due to limited annotated resources and linguistic complexity. Although recent Large Language Models (LLMs) have demonstrated strong performance across a wide range of natural language processing tasks, their effectiveness for language-specific NER in low-resource settings remains uncertain. In this study, we fine-tune MahaBERT-v2 on different variants of the MahaNER dataset and systematically compare the performance of these models with an existing MahaNER baseline and prominent general-purpose LLMs, including Gemini, LLaMA-3.3-70B, and Gemma models. All models are evaluated on a Marathi NER test dataset using standard metrics of precision, re
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית