નામવાળી એન્ટિટી રેકગ્નિશન (NER)

વ્યાખ્યા

નેમ્ડ એન્ટિટી રેકગ્નિશન (NER) એ એક NLP કાર્ય છે જે ટેક્સ્ટમાં એન્ટિટીઓને ઓળખે છે અને વર્ગીકૃત કરે છે, જેમ કે લોકો, સંસ્થાઓ, સ્થાનો, તારીખો અથવા ઉત્પાદનો.

હેતુ

તેનો હેતુ મુખ્ય એન્ટિટીઝને કાઢીને અનસ્ટ્રક્ચર્ડ ટેક્સ્ટને સ્ટ્રક્ચર કરવાનો છે. તે શોધ, માહિતી નિષ્કર્ષણ અને જ્ઞાન ગ્રાફ બિલ્ડિંગને સપોર્ટ કરે છે.

મહત્વ

• માહિતી પુનઃપ્રાપ્તિ અને NLP પાઇપલાઇન્સ માટે મૂળભૂત.
• ભૂલો ડાઉનસ્ટ્રીમ એપ્લિકેશનોમાં ફેલાય છે.
• ડોમેન-વિશિષ્ટ NER (દા.ત., તબીબી, કાનૂની) ને કસ્ટમ ડેટાસેટ્સ જરૂરી છે.
• એન્ટિટી લિંકિંગ અને રિલેશન એક્સટ્રેક્શન જેવા કાર્યો સાથે સંબંધિત.

તે કેવી રીતે કામ કરે છે

1. ટેક્સ્ટ એકત્રિત કરો અને પ્રી-પ્રોસેસ કરો.
2. એન્ટિટી કેટેગરીઝ સાથે ડેટાસેટ્સ પર ટીકા કરો.
3. લેબલવાળા ઉદાહરણો (CRF, ટ્રાન્સફોર્મર્સ) પર મોડેલો તાલીમ આપો.
4. અદ્રશ્ય ટેક્સ્ટમાં એન્ટિટીનું અનુમાન કરો.
5. પરીક્ષણ ડેટા સાથે ચોકસાઈ ચકાસો.

ઉદાહરણો (વાસ્તવિક દુનિયા)

• સ્પેસાય: બિલ્ટ-ઇન NER સાથે ઓપન-સોર્સ NLP લાઇબ્રેરી.
• સ્ટેનફોર્ડ કોરએનએલપી: નામવાળી એન્ટિટી ઓળખ સાધનો પૂરા પાડે છે.
• નાણાકીય NLP: અહેવાલોમાંથી કંપનીના નામ કાઢે છે.

સંદર્ભો / વધુ વાંચન

• જુરાફસ્કી અને માર્ટિન. સ્પીચ એન્ડ લેંગ્વેજ પ્રોસેસિંગ. સ્ટેનફોર્ડ.
• લેમ્પલ એટ અલ. "નેમ્ડ એન્ટિટી રેકગ્નિશન માટે ન્યુરલ આર્કિટેક્ચર્સ." ACL.
• હગિંગ ફેસ ટ્રાન્સફોર્મર્સ NER મોડેલ્સ.
• નેમ્ડ એન્ટિટી રેકગ્નિશન (NER) શું છે?