Reconnaissance d’entités nommées (NER)

La reconnaissance d'entités nommées (NER) est une sous-tâche de l'extraction d'information (IE) qui recherche et catégorise des entités spécifiques dans un ou plusieurs corps de textes. La NER est également connue sous le nom d'identification d'entités, de découpage d'entités et d'extraction d'entités. Le NER peut être utilisé dans de nombreux domaines de l'intelligence artificielle (IA), notamment l'apprentissage automatique et le traitement du langage naturel (NLP). L'extraction d'informations repose sur le NER. Le NER utilise des modèles basés sur des modèles statistiques ou grammaticaux pour localiser les informations ciblées. Les NER reconnaissent d'abord les entités dans l'une des catégories suivantes : personnes, lieux, organisations, expressions, pourcentages et valeurs monétaires. Les catégories sont abrégées : lieu (LOC), personnes (PER) et organisations (ORG), etc. Après avoir reconnu la catégorie d'information, l'utilitaire d'extraction d'information extrait toutes les informations connexes sur l'entité et crée un fichier lisible par machine qui peut être utilisé par d'autres outils pour poursuivre l'extraction du sens. Comme pour de nombreuses tâches difficiles en IA, les défis NER sont proposés à la communauté des développeurs afin d'encourager le développement de solutions. La conférence sur la compréhension des messages (MUC) est l'un de ces défis. Comparativement, les humains ont obtenu une précision de 97,60 % et 96,95 %, tandis que le meilleur système d'IE a obtenu 93,39 %.