Skip to content

Named Entity Recognition

Was Named Entity Recognition (NER) ist, welche Labelsätze üblich sind und wie du in Potato eine NER-Aufgabe mit farbigen Span-Labels und Tooltips aufbaust.

Named Entity Recognition (NER) ist die Aufgabe, benannte Dinge im Text zu finden und zu klassifizieren: Personen, Organisationen, Orte, Datumsangaben und mehr. Es ist eine Span-Annotation mit einem Labelsatz aus Entitätstypen. NER ist ein Baustein für Suche, Wissensgraphen, Schwärzung und Informationsextraktion.

Hintergrund unter Named-entity recognition.

Einen Labelsatz wählen

Fang bei einem Standardschema an und kürze es auf deine Domäne:

  • CoNLL-2003: PER, ORG, LOC, MISC. Eine gute schlanke Voreinstellung.
  • OntoNotes: 18 Typen, darunter Datum, Geldbeträge und Prozentangaben, für feinere Ansprüche.
  • Domänenspezifisch: Biomedizin (Gene, Krankheiten), Recht (Gesetze, Parteien) oder Finanzen.

Wenige, sauber definierte Typen bringen höhere Übereinstimmung. Nimm weitere Typen erst auf, wenn eine konkrete Weiterverwendung sie braucht.

Die Aufgabe in Potato bauen

yaml
annotation_schemes:
  - annotation_type: span
    name: entities
    description: "Highlight each named entity and select its type."
    labels: [PERSON, ORGANIZATION, LOCATION, DATE, MISC]
    allow_discontinuous: false
    sequential_key_binding: true

Das Showcase-Beispiel zu Named Entity Recognition lässt genau diese Konfiguration mit Beispieldaten laufen. Varianten für Benchmarks und Domänen findest du unter CoNLL-2003 mit vorgeschaltetem Triage-Schritt und klinische NER auf i2b2-Notizen.

Regeln für Grenzen, die Uneinigkeit vermeiden

Bei NER geht es in den meisten Streitfällen darum, wo eine Entität anfängt und aufhört, nicht was sie ist. Entscheide und dokumentiere:

  • Zählen Titel mit? („Dr. Jane Smith“ oder „Dr. Jane Smith“.)
  • Gehört das „the“ in „the United Nations“ dazu?
  • Wie taggst du verschachtelte Entitäten wie „Bank of England“? Wenn du sie brauchst, setz allow_overlapping: true.

Von Labels zum Modell

Exportiere ins CoNLL- oder spaCy-Format, die Entitäten mit BIO/IOB-Tags darstellen. Siehe Annotationen für ML exportieren.

Weiterführende Lektüre