Skip to content

Reconocimiento de entidades nombradas

Qué es el reconocimiento de entidades nombradas (NER), conjuntos de etiquetas habituales y cómo crear una tarea de anotación NER en Potato con etiquetas de tramo de colores e información sobre herramientas.

El reconocimiento de entidades nombradas (NER) es la tarea de encontrar y clasificar cosas con nombre en un texto: personas, organizaciones, lugares, fechas y más. Es una tarea de anotación de tramos con un conjunto de etiquetas tipadas por entidad. El NER es un bloque básico para la búsqueda, los grafos de conocimiento, la anonimización y la extracción de información.

Para contexto, consulta Reconocimiento de entidades nombradas.

Elegir un conjunto de etiquetas

Parte de un esquema estándar y recórtalo a tu dominio:

  • CoNLL-2003: PER, ORG, LOC, MISC. Un buen valor por defecto mínimo.
  • OntoNotes: 18 tipos, incluidos fechas, dinero y porcentajes, para necesidades más ricas.
  • Específico del dominio: biomédico (genes, enfermedades), jurídico (leyes, partes) o financiero.

Menos tipos, bien definidos, dan mayor concordancia. Añade tipos solo cuando un uso posterior real los necesite.

Crear la tarea en 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

El escaparate de reconocimiento de entidades nombradas ejecuta esta configuración con datos de ejemplo.

Reglas de límites que evitan desacuerdos

La mayoría de los desacuerdos en NER tratan sobre dónde empieza y termina una entidad, no sobre qué es. Decide y documenta:

  • ¿Cuentan los títulos? («Dr. Jane Smith» frente a «Dr. Jane Smith».)
  • ¿Incluyes el «the» en «the United Nations»?
  • ¿Cómo etiquetas entidades anidadas como «Bank of England»? Si las necesitas, pon allow_overlapping: true.

De las etiquetas a un modelo

Exporta a formato CoNLL o spaCy, que representan las entidades con etiquetas BIO/IOB. Consulta Exportar anotaciones para ML.

Lecturas adicionales