Skip to content

التعرّف على الكيانات المُسمّاة

ما هو التعرّف على الكيانات المُسمّاة (NER)، ومجموعات التصنيفات الشائعة، وكيفية بناء مهمة تعليق NER في Potato بتصنيفات مقاطع ملوّنة وتلميحات.

التعرّف على الكيانات المُسمّاة (NER) هو مهمة إيجاد الأشياء المُسمّاة في النص وتصنيفها، من أشخاص ومنظمات وأماكن وتواريخ وغيرها. وهو مهمة تعليق مقاطع ذات مجموعة تصنيفات مُصنَّفة حسب نوع الكيان. يُعدّ NER لبنة أساسية للبحث، ورسوم المعرفة، وإخفاء البيانات، واستخراج المعلومات.

للاطّلاع على الخلفية، انظر التعرّف على الكيانات المُسمّاة.

اختيار مجموعة التصنيفات

ابدأ من مخطّط معياري ثم قلّصه ليلائم مجالك:

  • CoNLL-2003: PER، ORG، LOC، MISC. خيار افتراضي أدنى جيد.
  • OntoNotes: 18 نوعًا تشمل التواريخ والأموال والنِّسَب المئوية، للاحتياجات الأغنى.
  • خاص بالمجال: طبي حيوي (جينات، أمراض)، أو قانوني (تشريعات، أطراف)، أو مالي.

كلما قلّت الأنواع وكانت جيدة التعريف، ارتفع الاتفاق. أضِف الأنواع فقط عندما يحتاجها استخدام لاحق فعلي.

بناء المهمة في Potato

yaml
annotation_schemes:
  - annotation_type: span
    name: entities
    description: "Highlight each named entity and select its type."
    labels: [PERSON, ORGANIZATION, LOCATION, DATE, MISC]
    label_colors:
      PERSON: "#3b82f6"
      ORGANIZATION: "#10b981"
      LOCATION: "#f59e0b"
      DATE: "#8b5cf6"
      MISC: "#6b7280"
    tooltips:
      PERSON: "Names of people, e.g. 'Ada Lovelace'."
      ORGANIZATION: "Companies, agencies, teams, e.g. 'United Nations'."
      LOCATION: "Cities, countries, landmarks, e.g. 'Paris'."
      DATE: "Dates and time expressions, e.g. 'next Monday'."
      MISC: "Named entities that fit none of the above."
    allow_overlapping: false
    sequential_key_binding: true

يُشغّل معرض التعرّف على الكيانات المُسمّاة هذا الإعداد ببيانات نموذجية.

قواعد الحدود التي تمنع الاختلاف

معظم الاختلاف في NER يدور حول أين يبدأ الكيان وأين ينتهي، لا حول ما هو. قرِّر ووثِّق:

  • هل تُحتسب الألقاب؟ ("Dr. Jane Smith" مقابل "Dr. Jane Smith".)
  • هل تُدرج كلمة "the" في "the United Nations"؟
  • كيف تُعلّم الكيانات المتداخلة مثل "Bank of England"؟ إن كنت بحاجة إليها، فاضبط allow_overlapping: true.

من التصنيفات إلى نموذج

صدِّر إلى صيغة CoNLL أو spaCy، اللتين تمثّلان الكيانات بـوسوم BIO/IOB. انظر تصدير التعليقات للتعلّم الآلي.

قراءات إضافية