Zubnet AIAprenderWiki › Named Entity Recognition
Using AI

Named Entity Recognition

NER, Entity Extraction
Identificar e categorizar entidades nomeadas em texto — pessoas, organizações, lugares, datas, valores monetários e outros nomes próprios. Em “Apple anunciou um investimento de US$ 3 bi em Munique na terça”, NER identifica Apple (Organização), US$ 3 bi (Dinheiro), Munique (Lugar) e terça (Data). É uma tarefa fundacional do NLP usada em extração de informação, busca e construção de grafos de conhecimento.

Por que importa

NER é a espinha dorsal da extração de informação estruturada de texto não estruturado. Cada mecanismo de busca, agregador de notícias e sistema de inteligência usa NER para entender do que se trata um documento. Também é o primeiro passo em construir grafos de conhecimento a partir de texto — você não consegue construir relações entre entidades que não identificou.

Deep Dive

NER is typically framed as a sequence labeling task: each token gets a label like B-PER (beginning of person name), I-PER (inside person name), O (not an entity). The BIO tagging scheme handles multi-word entities: "New" gets B-LOC, "York" gets I-LOC. Fine-tuned BERT models are the standard for high-accuracy NER, though spaCy's built-in NER is popular for quick, good-enough extraction.

Domain-Specific NER

General NER models handle common entity types (person, org, location, date). Domain-specific applications need custom types: medical NER extracts drugs, symptoms, and dosages. Legal NER extracts case numbers, statutes, and parties. Financial NER extracts ticker symbols, financial metrics, and regulatory references. These require domain-specific training data, which is expensive to annotate but dramatically improves extraction quality in specialized contexts.

NER with LLMs

LLMs can perform NER through prompting: "Extract all person names and organizations from this text and return as JSON." This is slower and more expensive than dedicated NER models but handles novel entity types without training data and works across languages out of the box. For production systems processing millions of documents, dedicated models win on cost. For ad-hoc extraction or uncommon entity types, LLMs win on flexibility.

Conceitos relacionados

← Todos os termos
ESC