| dbo:abstract
|
- Rozpoznávání pojmenovaných entit (RPE), v angličtině Named-entity recognition (NER), známé také jako identifikace (pojmenovaných) entit či extrakce entit, je dílčí úloha extrakce informací, která se snaží najít a zařadit pojmenované entity uvedené v nestrukturovaném textu do předem definovaných kategorií (klasifikace), jako jsou jména osob, organizace, místa, lékařské kódy, časové výrazy, množství, peněžní hodnoty, procenta atd. Výše popsaná definice děli RPE/NER na dvě části: lokalizace entit v textu (named entity identification) a jejich klasifikaci (named entity classification). RPE je často používáno pro automatický strojový překlad, vyhledávání informací a dalších klasické úlohy počítačového zpracování přirozeného jazyka. (cs)
- Named-entity recognition (NER) oder Eigennamenerkennung ist eine Aufgabe in der Informationsextraktion und bezeichnet die automatische Identifikation und Klassifikation von Eigennamen. Ein Eigenname ist eine Folge von Wörtern, die eine real existierende Entität beschreibt, wie z. B. ein Firmenname. Zur Evaluierung wird beispielsweise der MUC-7 Datensatz verwendet. Auf diesem wurde nach dem -Maß 93,39 % erreicht, wohingegen Menschen auf diesem Datensatz zwischen 96,95 % und 97,60 % erreichen. (de)
- El Reconocimiento de entidades nombradas (NER por sus siglas en inglés) (también conocido como extracción de entidades) es una tarea de extracción de información que busca localizar y clasificar en categorías predefinidas, como personas, organizaciones, lugares, expresiones de tiempo y cantidades, las entidades nombradas encontradas en un texto. La mayor parte de la investigación en NER han sido realizadas sobre bloques de texto no anotado, como el siguiente: Jim compró 300 acciones de Acmé Corp. en 2006. Y produce un bloque de texto anotado que destaca los nombres de entidades: [Jim] (persona) compró 300 acciones de [Acmé Corp.] (organización) en [2006] (tiempo). En este ejemplo, han sido detectados y clasificados el nombre de una persona que consta de un token o componente léxico, un nombre de compañía de dos tokens y una expresión temporal. Los sistemas de reconocimiento de entidades para el inglés tienen un rendimiento cercano al humano. Por ejemplo, el mejor sistema presentado en el MUC-7 obtuvo una puntuación de 93.39% de valor-F mientras que anotadores humanos puntuaron 97.60% y 96.95%. (es)
- Entitateen izenen ezagutzea, Named entity recognition ( NER), informazioaren berreskuratzearen azpiarea bat da pertsonen izenak, erakundeak, kokalekuak, orduen adierazpenak, kopuruak, balio monetarioak, ehunekoak, eta abar bezalako kategoria aurredefinituetan elementu atomikoak aurkitu eta sailkatzea helburu duena. 1998tik interes handia egon da biologia molekular, bioinformatica eta lengoaia naturalaren prozesaketa arloen entitateen ezagutzan. (eu)
- La reconnaissance d'entités nommées est une sous-tâche de l'activité d'extraction d'information dans des corpus documentaires. Elle consiste à rechercher des objets textuels (c'est-à-dire un mot, ou un groupe de mots) catégorisables dans des classes telles que noms de personnes, noms d'organisations ou d'entreprises, noms de lieux, quantités, distances, valeurs, dates, etc. (fr)
- Named-entity recognition (NER) (also known as (named) entity identification, entity chunking, and entity extraction) is a subtask of information extraction that seeks to locate and classify named entities mentioned in unstructured text into pre-defined categories such as person names, organizations, locations, medical codes, time expressions, quantities, monetary values, percentages, etc. Most research on NER/NEE systems has been structured as taking an unannotated block of text, such as this one: Jim bought 300 shares of Acme Corp. in 2006. And producing an annotated block of text that highlights the names of entities: [Jim]Person bought 300 shares of [Acme Corp.]Organization in [2006]Time. In this example, a person name consisting of one token, a two-token company name and a temporal expression have been detected and classified. State-of-the-art NER systems for English produce near-human performance. For example, the best system entering MUC-7 scored 93.39% of F-measure while human annotators scored 97.60% and 96.95%. (en)
- 개체명 인식(named-entity recognition, NER, 다른 이름: entity identification, entity chunking, entity extraction)은 비정형 텍스트의 언급을 인명, 단체, 장소, 의학 코드, 시간 표현, 양, 금전적 가치, 퍼센트 등 미리 정의된 분류로 위치시키고 분류시키는 의 하위 태스크이다. NER 시스템의 대부분의 연구는 주해가 없는 텍스트 블록을 취하는 것으로 구조화되었으며 한 예로 다음과 같다: Jim bought 300 shares of Acme Corp. in 2006. 개체명을 강조하는, 주해 없는 텍스트 블록을 만든다: [Jim]Person bought 300 shares of [Acme Corp.]Organization in [2006]Time. 이 예에서 한 토큰으로 구성된 인명, 두 토큰으로 구성된 사명과 시간 표현이 감지되고 분류되었다. 영어를 위한 최신 NER 시스템은 인간에 근접한 성능을 낸다. 이를테면 에 진입한 최고의 시스템은 기준 93.39%을 받았으며 인간 주석자는 97.60%과 96.95%점을 받았다. (ko)
- 固有表現抽出（こゆうひょうげんちゅうしゅつ、英: named entity recognition、named entity identification、named entity chunking、named entity extraction）とは、計算機を用いた自然言語処理技術の一つであり、情報抽出の一分野である。文中から固有表現 (Named Entity) を抽出し、それを固有名詞（人名、組織名、地名など）や日付、時間表現、数量、金額、パーセンテージなどのあらかじめ定義された固有表現分類へと分類する。 (ja)
- O reconhecimento de entidades mencionadas (REM) é um ramo do processamento de linguagem natural que procura extrair e classificar as entidades mencionadas em um texto escrito em linguagem natural. Para essa tarefa, utiliza-se conhecimentos de linguística computacional para manipular as palavras e um texto segundo sua classe gramatical e fazer inferências sobre os límites da entidade e sua classificação. Ex:
* A Wikipedia Inc é a empresa criadora da Wikipédia.
* A é a empresa criadora da . O HAREM foi uma tarefa pioneira na avalição e reconhecimento de entidades mencionadas na língua portuguesa. (pt)
- Розпізнавання іменованих сутностей (РІС) (також відоме як ідентифікація об'єктної сутності, фрагментація об'єктної сутності та видобуток об'єктної сутності) — це підзадача видобування інформації, яка намагається знайти і класифікувати іменовані сутності в неструктурованому тексті в заздалегідь визначені категорії, такі як імена людей, організації, місця, , час, кількості, грошові значення, відсотки тощо. Більшість досліджень у системах РІС було структуровано як отримання не коментованого блоку тексту, такого як: Джим купив 300 акцій корпорації Acme у 2006. І створення коментованого блоку тексту, який виділяє імена об'єктів: [Джим]Особа купив 300 акцій [корпорації Acme]Організація у [2006]Час. У цьому прикладі було виявлено та класифіковано ім'я особи, що складається з одного токену, назва компанії з двох токенів та часового виразу. Сучасні системи РІС для англійської мови показують продуктивність близьку до людської. Наприклад, найкраща система, що коментувала , набрала 93,39 % оцінки F1, а анотатори — 97,60 % і 96,95 %. (uk)
- 命名实体识别（英語：Named Entity Recognition，简称NER），又称作专名识别、命名实体，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等，以及時間、數量、貨幣、比例數值等文字。指的是可以用专有名词（名称）标识的事物，一个命名实体一般代表唯一一个具体事物个体，包括人名、地名等。 NER属于从非结构化文本中分类和定位命名实体感情的子任务，其过程是从是非结构化文本表达式中产生专有名词标注信息的命名实体表达式，目前NER有两个显著的问题，即识别和分类。例如，“奥巴马是美国总统”的“奥巴马”和“美国”都代表一个具体事物，因此都是命名实体。而“总统”不代表一个具体事物，因此不是命名实体。 (zh)
|
| rdfs:comment
|
- Named-entity recognition (NER) oder Eigennamenerkennung ist eine Aufgabe in der Informationsextraktion und bezeichnet die automatische Identifikation und Klassifikation von Eigennamen. Ein Eigenname ist eine Folge von Wörtern, die eine real existierende Entität beschreibt, wie z. B. ein Firmenname. Zur Evaluierung wird beispielsweise der MUC-7 Datensatz verwendet. Auf diesem wurde nach dem -Maß 93,39 % erreicht, wohingegen Menschen auf diesem Datensatz zwischen 96,95 % und 97,60 % erreichen. (de)
- Entitateen izenen ezagutzea, Named entity recognition ( NER), informazioaren berreskuratzearen azpiarea bat da pertsonen izenak, erakundeak, kokalekuak, orduen adierazpenak, kopuruak, balio monetarioak, ehunekoak, eta abar bezalako kategoria aurredefinituetan elementu atomikoak aurkitu eta sailkatzea helburu duena. 1998tik interes handia egon da biologia molekular, bioinformatica eta lengoaia naturalaren prozesaketa arloen entitateen ezagutzan. (eu)
- La reconnaissance d'entités nommées est une sous-tâche de l'activité d'extraction d'information dans des corpus documentaires. Elle consiste à rechercher des objets textuels (c'est-à-dire un mot, ou un groupe de mots) catégorisables dans des classes telles que noms de personnes, noms d'organisations ou d'entreprises, noms de lieux, quantités, distances, valeurs, dates, etc. (fr)
- 개체명 인식(named-entity recognition, NER, 다른 이름: entity identification, entity chunking, entity extraction)은 비정형 텍스트의 언급을 인명, 단체, 장소, 의학 코드, 시간 표현, 양, 금전적 가치, 퍼센트 등 미리 정의된 분류로 위치시키고 분류시키는 의 하위 태스크이다. NER 시스템의 대부분의 연구는 주해가 없는 텍스트 블록을 취하는 것으로 구조화되었으며 한 예로 다음과 같다: Jim bought 300 shares of Acme Corp. in 2006. 개체명을 강조하는, 주해 없는 텍스트 블록을 만든다: [Jim]Person bought 300 shares of [Acme Corp.]Organization in [2006]Time. 이 예에서 한 토큰으로 구성된 인명, 두 토큰으로 구성된 사명과 시간 표현이 감지되고 분류되었다. 영어를 위한 최신 NER 시스템은 인간에 근접한 성능을 낸다. 이를테면 에 진입한 최고의 시스템은 기준 93.39%을 받았으며 인간 주석자는 97.60%과 96.95%점을 받았다. (ko)
- 固有表現抽出（こゆうひょうげんちゅうしゅつ、英: named entity recognition、named entity identification、named entity chunking、named entity extraction）とは、計算機を用いた自然言語処理技術の一つであり、情報抽出の一分野である。文中から固有表現 (Named Entity) を抽出し、それを固有名詞（人名、組織名、地名など）や日付、時間表現、数量、金額、パーセンテージなどのあらかじめ定義された固有表現分類へと分類する。 (ja)
- 命名实体识别（英語：Named Entity Recognition，简称NER），又称作专名识别、命名实体，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等，以及時間、數量、貨幣、比例數值等文字。指的是可以用专有名词（名称）标识的事物，一个命名实体一般代表唯一一个具体事物个体，包括人名、地名等。 NER属于从非结构化文本中分类和定位命名实体感情的子任务，其过程是从是非结构化文本表达式中产生专有名词标注信息的命名实体表达式，目前NER有两个显著的问题，即识别和分类。例如，“奥巴马是美国总统”的“奥巴马”和“美国”都代表一个具体事物，因此都是命名实体。而“总统”不代表一个具体事物，因此不是命名实体。 (zh)
- Rozpoznávání pojmenovaných entit (RPE), v angličtině Named-entity recognition (NER), známé také jako identifikace (pojmenovaných) entit či extrakce entit, je dílčí úloha extrakce informací, která se snaží najít a zařadit pojmenované entity uvedené v nestrukturovaném textu do předem definovaných kategorií (klasifikace), jako jsou jména osob, organizace, místa, lékařské kódy, časové výrazy, množství, peněžní hodnoty, procenta atd. (cs)
- El Reconocimiento de entidades nombradas (NER por sus siglas en inglés) (también conocido como extracción de entidades) es una tarea de extracción de información que busca localizar y clasificar en categorías predefinidas, como personas, organizaciones, lugares, expresiones de tiempo y cantidades, las entidades nombradas encontradas en un texto. La mayor parte de la investigación en NER han sido realizadas sobre bloques de texto no anotado, como el siguiente: Jim compró 300 acciones de Acmé Corp. en 2006. Y produce un bloque de texto anotado que destaca los nombres de entidades: (es)
- Named-entity recognition (NER) (also known as (named) entity identification, entity chunking, and entity extraction) is a subtask of information extraction that seeks to locate and classify named entities mentioned in unstructured text into pre-defined categories such as person names, organizations, locations, medical codes, time expressions, quantities, monetary values, percentages, etc. Most research on NER/NEE systems has been structured as taking an unannotated block of text, such as this one: Jim bought 300 shares of Acme Corp. in 2006. (en)
- O reconhecimento de entidades mencionadas (REM) é um ramo do processamento de linguagem natural que procura extrair e classificar as entidades mencionadas em um texto escrito em linguagem natural. Para essa tarefa, utiliza-se conhecimentos de linguística computacional para manipular as palavras e um texto segundo sua classe gramatical e fazer inferências sobre os límites da entidade e sua classificação. Ex:
* A Wikipedia Inc é a empresa criadora da Wikipédia.
* A é a empresa criadora da . (pt)
- Розпізнавання іменованих сутностей (РІС) (також відоме як ідентифікація об'єктної сутності, фрагментація об'єктної сутності та видобуток об'єктної сутності) — це підзадача видобування інформації, яка намагається знайти і класифікувати іменовані сутності в неструктурованому тексті в заздалегідь визначені категорії, такі як імена людей, організації, місця, , час, кількості, грошові значення, відсотки тощо. Більшість досліджень у системах РІС було структуровано як отримання не коментованого блоку тексту, такого як: Джим купив 300 акцій корпорації Acme у 2006. (uk)
|
