AutoSpecNER：面向车辆参数抽取的细粒度命名实体识别数据集

论文发布车辆参数细粒度 NER 数据集 AutoSpecNER 及基准结果。

资讯摘要

论文提出 AutoSpecNER，一个面向车辆广告细粒度实体识别的专家标注数据集，包含来自某汽车销售网站的 659 条广告、15 类共逾 1 万个实体，如 MODEL、ENGINE_SPEC、BATTERY_CAPACITY。作者报告标注者间一致性平均达 91.5%，并对比规则抽取、微调 Transformer 编码器与大语言模型；DeBERTa 取得最佳 90% micro-F1，高于规则基线 43% 和最强大语言模型 77.8%。

要点速读

1. 数据集含 659 条车辆广告、15 类逾 1 万个实体，标注一致性平均 91.5%
2. 基准对比规则抽取、微调 Transformer 与大语言模型
3. 作者报告 DeBERTa 以 90% micro-F1 最佳，规则基线 43%，最强 LLM 77.8%

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。