Ранее, в День 7: Объяснялись теги части речи (POS), их важность в НЛП, различные подходы к тегированию, общие наборы тегов и типичные проблемы, такие как двусмысленность и неизвестные слова. Распознавание именованных объектов (NER) является ключевой задачей в...
Ранее, в День 7: Объяснялись теги части речи (POS), их важность в НЛП, различные подходы к тегированию, общие наборы тегов и типичные проблемы, такие как двусмысленность и неизвестные слова.
Что такое распознавание именованных объектов?
Распознавание именованных объектов (NER) является ключевой задачей обработки естественного языка (NLP). NER находит и помечает «именованные объекты» в тексте. Именованная сущность — это реальная вещь, например человек, место или организация, имеющая определенное имя. Например, в «Алиса отправилась в Париж» «Алиса» — это человек, а «Париж» — это место.
NER отличается от маркировки части речи (POS). Теги POS отмечают роль каждого слова в предложении (например, существительного, глагола или прилагательного). Вместо этого NER спрашивает: является ли это слово (или группа слов) названием реальной вещи и какого рода?
NER поддерживает множество приложений. Поисковые системы используют его для поиска людей или компаний в новостях. Чат-боты используют его для определения названий продуктов или местонахождения. В общем, NER помогает машинам находить «важные вещи с именами» внутри текста.
Общие примеры сущностей включают в себя:
Имена людей (например, «Илон Маск»)
Места (например, «Нью-Йорк»)
Организации (например, «Google»)
Даты (например, «27 апреля»)
Денежные ценности (например,