التعرف على الكيان المحدد (NER)

تعريف

التعرف على الكيانات المسماة (NER) هي مهمة معالجة اللغة الطبيعية (NLP) التي تحدد الكيانات وتصنفها في النص، مثل الأشخاص أو المؤسسات أو المواقع أو التواريخ أو المنتجات.

الهدف

الغرض هو هيكلة النص غير المنظم باستخراج العناصر الرئيسية. يدعم البحث، واستخراج المعلومات، وبناء مخططات المعرفة.

أهمية

• أساسي لاسترجاع المعلومات وأنابيب معالجة اللغة الطبيعية.
• تنتشر الأخطاء إلى التطبيقات الموجودة في اتجاه مجرى النهر.
• يتطلب NER الخاص بالمجال (على سبيل المثال، المجال الطبي والقانوني) مجموعات بيانات مخصصة.
• متعلق بمهام مثل ربط الكيانات واستخراج العلاقات.

كيف تعمل هذه التقنية؟

1. جمع النصوص ومعالجتها مسبقًا.
2. قم بإضافة تعليقات توضيحية إلى مجموعات البيانات باستخدام فئات الكيان.
3. قم بتدريب النماذج على الأمثلة المسمى (CRFs، المحولات).
4. التنبؤ بالكيانات في النص غير المرئي.
5. التحقق من دقة البيانات الاختبارية.

أمثلة (العالم الحقيقي)

• spaCy: مكتبة NLP مفتوحة المصدر مع NER مدمج.
• Stanford CoreNLP: يوفر أدوات التعرف على الكيانات المسماة.
• البرمجة اللغوية العصبية المالية: تستخرج أسماء الشركات من التقارير.

المراجع / قراءات إضافية

• جورافسكي ومارتن. معالجة الكلام واللغة. ستانفورد.
• لامبل وآخرون. "الهندسة العصبية للتعرف على الكيانات المسماة". ACL.
• نماذج محولات الوجه المعانقة NER.
• ما هو التعرف على الكيان المسمى (NER)