Sanasto

Nimettyjen entiteettien tunnistus (NER)

Mikä on Nimettyjen entiteettien tunnistus (NER)?

Nimettyjen entiteettien tunnistus (NER) on luonnollisen kielen käsittelyn tekniikka, joka löytää tekstistä henkilöiden, yritysten ja paikkojen nimet sekä päivämäärät tai summat ja liittää kunkin johonkin luokkaan. Se muuttaa vapaan tekstin rakenteiseksi dataksi. Esimerkki: lähettäjän yritys, yhteyshenkilö, toimituspäivä ja laskun summa poimitaan automaattisesti sähköpostista ja siirretään CRM-järjestelmään.

Miten KI.ordo auttaa

KI.ordo-malli ”Poimi nimet, yritykset, paikat ja päivämäärät” palauttaa nämä tiedot tekstistä rakenteisena listana (JSON).

Lue lisää

Sopivat mallit

Poimi nimet, yritykset, paikat ja päivämäärätPoimii tekstistä henkilöt, yritykset, paikat, päivämäärät ja summat ja tulostaa ne JSON-muodossa, esim. muihin järjestelmiin välitettäväksi.Katso malli

Aiheet

NLP
Tiedonpoiminta
tekstianalyysi

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Poimiva tekoäly

Poimiva tekoäly tarkoittaa menetelmiä, jotka poimivat olemassa olevaa tietoa teksteistä tai dokumenteista sen sijaan, että kirjoittaisivat uutta sisältöä. Tulos tulee sanatarkasti tai kiinteässä rakenteessa lähteestä – esimerkiksi laskunumerot PDF-tiedostoista, yhteenvedon avainlauseet tai kysymykseen vastaava tekstikohta. Koska mitään ei keksitä, virheellisten väitteiden riski on pienempi kuin puhtaasti generatiivisilla lähestymistavoilla; usein näitä yhdistetään.

Tiedonpoiminta
Dokumentit
+1

Malli

Luonnollisen kielen käsittely (NLP)

Luonnollisen kielen käsittely on tekoälyn osa-alue, joka mahdollistaa tietokoneiden analysoida, ymmärtää ja tuottaa ihmiskieltä tekstinä tai puheena. Se kattaa tehtäviä, kuten kääntäminen, luokittelu, tiivistäminen, sentimenttianalyysi ja kysymyksiin vastaaminen. Aiemmin vallitsivat sääntö- ja tilastomenetelmät; nykyään alaa muovaavat suuret kielimallit.

NLP
Kieli
+1

Koreferenssin ratkaisu

Koreferenssin ratkaisu on luonnollisen kielen käsittelyn tehtävä, joka tunnistaa, mitkä tekstin ilmaukset viittaavat samaan henkilöön, asiaan tai kysymykseen. Lauseissa ”Rouva Weber soitti. Hän pyytää soittamaan takaisin” järjestelmän on ymmärrettävä, että ”hän” tarkoittaa rouva Weberiä. Tämä on tärkeää tiivistelmissä, tiedonpoiminnassa ja chatboteissa, joiden on seurattava viittauksia usean lauseen tai keskustelun vuoron yli.

NLP
tekstin ymmärtäminen
+1

spaCy

spaCy on avoimen lähdekoodin Python-kirjasto luonnollisen kielen käsittelyyn, ja sen on kehittänyt berliiniläinen Explosion-yhtiö. Se jakaa tekstit sanoiksi ja lauseiksi, määrittää sanaluokat ja perusmuodot, analysoi lauserakenteen ja tunnistaa nimettyjä entiteettejä, kuten henkilöitä, yrityksiä tai paikkoja. Esikoulutettuja malleja on saatavilla monille kielille, myös saksalle. spaCy on suunniteltu nopeaksi ja käytettäväksi oikeissa sovelluksissa, esimerkiksi suurten asiakirjamäärien esikäsittelyyn.

NLP
Python
+1