Skip to content

Riconoscimento di entità nominate

Che cos'è il riconoscimento di entità nominate (NER), quali sono gli insiemi di etichette più diffusi e come costruire un task NER in Potato con etichette di span colorate e tooltip.

Il riconoscimento di entità nominate (NER) consiste nel trovare e classificare le cose con un nome dentro un testo: persone, organizzazioni, luoghi, date e altro. È un task di annotazione di span con un insieme di etichette per tipo di entità. Il NER è un mattone di base per la ricerca, i grafi di conoscenza, l'anonimizzazione e l'estrazione di informazioni.

Per un inquadramento, vedi named-entity recognition.

Scegliere l'insieme di etichette

Parti da uno schema standard e riducilo al tuo dominio:

  • CoNLL-2003: PER, ORG, LOC, MISC. Un buon punto di partenza minimo.
  • OntoNotes: 18 tipi, tra cui date, importi e percentuali, per esigenze più ricche.
  • Specifico di dominio: biomedico (geni, malattie), giuridico (norme, parti) o finanziario.

Meno tipi, e ben definiti, portano a un accordo più alto. Aggiungi un tipo solo quando serve davvero a valle.

Costruire il task in Potato

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

La vetrina sul riconoscimento di entità nominate esegue questa configurazione con dati di esempio. Per varianti su benchmark e domini specifici, vedi CoNLL-2003 con un passo di triage e NER clinico sulle note i2b2.

Regole sui confini che evitano il disaccordo

Nel NER quasi tutto il disaccordo riguarda dove comincia e finisce un'entità, non che cosa sia. Decidi e metti per iscritto:

  • I titoli contano? («Dott.ssa Jane Smith» oppure «Dott.ssa Jane Smith».)
  • L'articolo va incluso, come in «le Nazioni Unite»?
  • Come etichetti le entità annidate, tipo «Bank of England»? Se ti servono, imposta allow_overlapping: true.

Dalle etichette al modello

Esporta in formato CoNLL o spaCy, che rappresentano le entità con tag BIO/IOB. Vedi Esportare le annotazioni per il machine learning.

Approfondimenti