Description
To the best of our knowledge, no labeled bilingual named-entity resource exists for the Classical Chinese-Vietnamese feudal chronicle Dai Viet Su Ky Toan Thu (DVSKTT). We construct the first such resource using Gemini 2.5 Flash, which processes each aligned sentence pair under a constrained schema to label five entity types - person, location, title, event, and dynasty - with relations and cross-lingual links. The result is two typed knowledge graphs: 14,719 Chinese and 14,095 Vietnamese entities across 62 relation types, connected by 12,353 cross-lingual links. A gold-free audit yields entity grounding 97.5%, label validity 98.8%, and 98.8% dictionary agreement on cross-lingual links. Against three-annotator gold, named-entity recognition achieves micro F1 0.937 (macro 0.948, inter-annotator agreement 0.86). We release the resource, extraction pipeline, and validation scripts to support downstream cross-lingual NLP tasks.
Thông tin các tác giả
1/ Nguyễn Thành Vinh: Cử nhân ngành Toán học, Học viên cao học ngành Khoa học dữ liệu, Khoa Toán - Tin học, Trường Đại học Khoa học Tự nhiên, ĐHQG-HCM. Địa chỉ CS1: 227 Nguyễn Văn Cừ, Phường Chợ Quán, Quận 5, TP.HCM; đồng thời là Kỹ sư Trí tuệ Nhân tạo tại Công ty FPT Digital, Tập đoàn FPT. Điện thoại: 0355185315, Email: 24c01029@student.hcmus.edu.vn.
Từ khóa
named entity recognition, knowledge graph construction, Sino-Vietnamese, cross-lingual entity linking, large language model, Vietnamese historical NLP
