التعرف على الكيانات المسماة (NER)

التعرف على الكيانات المسماة (NER) هي مهمة أساسية في معالجة اللغات الطبيعية (NLP ) تتضمن تحديد وتصنيف الكيانات المسماة في نص غير منظم تلقائيًا إلى فئات محددة مسبقًا. يمكن أن تكون هذه الكيانات أي شيء في العالم الحقيقي، مثل الأشخاص أو المنظمات أو المواقع أو التواريخ أو الكميات أو القيم النقدية. ويتمثل الهدف الأساسي من NER في استخراج معلومات منظمة من نص غير منظم، مما يسهل على الآلات فهم اللغة البشرية ومعالجتها. ومن خلال تحويل النص الخام إلى صيغة قابلة للقراءة الآلية، تُعدّ NER خطوة أساسية للعديد من تطبيقات الذكاء الاصطناعي ذات المستوى الأعلى، بما في ذلك استرجاع المعلومات والإجابة عن الأسئلة وتحليل المحتوى.

عادةً ما يتم بناء أنظمة NER الحديثة باستخدام نماذج التعلّم الآلي، خاصةً نماذج التعلّم العميق. يتم تدريب هذه النماذج على مجموعات بيانات كبيرة ومشروحة حيث قام البشر بالفعل بتصنيف الكيانات. من خلال بيانات التدريب هذه، يتعلم النموذج التعرف على الأنماط السياقية والسمات اللغوية المرتبطة بأنواع الكيانات المختلفة. تعتبر النماذج المتقدمة مثل BERT وغيرها من البنى القائمة على المحولات فعالة للغاية في NER لأنها تستطيع معالجة سياق الجملة بالكامل لإجراء تنبؤات دقيقة.