Framework Neurosimbiotico Ibrido per il Riconoscimento di Entità Nominate in Vietnamita

Su arXiv (2605.04489), i ricercatori hanno introdotto un nuovo framework neurosimbolico ibrido progettato per il Riconoscimento di Entità Nominate (NER) in lingue a basse risorse, concentrandosi sul vietnamita. Questo framework impiega una pipeline a due stadi che combina tecniche basate su regole con modelli di deep learning. Inizialmente, un sistema basato su regole semplifica la complessità delle etichette categorizzando le etichette relazionali e speciali. Successivamente, i modelli linguistici pre-addestrati vengono messi a punto per migliorare l'accuratezza dell'estrazione. Un passaggio di post-elaborazione ripristina le etichette dettagliate per mantenere l'espressività. Per contrastare il problema della scarsità di dati, viene proposto un metodo scalabile di data augmentation che utilizza Large Language Models (LLM). Questa strategia mira a elevare l'efficacia del NER in aree con dataset annotati limitati e classificazioni di etichette eterogenee.