N
Named Entity Recognition
Также известен как: NER, Распознавание именованных сущностей
Данные и аналитикаОпределение
Named Entity Recognition (NER) — извлечение из текста именованных сущностей: людей, организаций, мест, дат, сумм и других.
Простое объяснение
NER — как маркер, который автоматически выделяет в тексте имена людей жёлтым, компании — синим, места — зелёным.
Подробнее
NER — фундаментальная задача информационного извлечения. Модель находит spans текста и классифицирует их: PERSON (Илон Маск), ORG (Tesla), LOC (Калифорния), DATE (2024), MONEY ($1 млрд). Подходы: rule-based, CRF, BiLSTM-CRF, transformer-based (BERT). SpaCy, Flair, HuggingFace предоставляют готовые модели. Custom NER обучается на домен-специфичных сущностях (названия лекарств, юридические термины). Используется в поиске, knowledge graphs, автоматизации документов.
Связанные термины
Summarization
Summarization — автоматическое создание краткого изложения длинного текста с сохранением ключевой информации.
Sentiment Analysis
Sentiment Analysis — автоматическое определение эмоциональной окраски текста: позитивной, негативной или нейтральной.
Semantic Segmentation
Semantic Segmentation — классификация каждого пикселя изображения по принадлежности к семантическому классу.
Perplexity (метрика)
Perplexity — метрика качества языковой модели, показывающая, насколько модель "удивлена" тестовыми данными. Чем ниже perplexity, тем лучше модель.