La reconnaissance d'entités nommées (NER) est une technique utilisée en traitement du langage naturel (NLP) pour extraire des données à partir de texte. En NER, les informations significatives d'un texte, appelées entités nommées, sont identifiées et catégorisées. Les entités nommées sont les sujets principaux d'un texte, notamment les noms, lieux, entreprises, événements et produits. Elles peuvent également inclure thèmes, sujets, dates, nombres et pourcentages. L'extraction d'entités, le chunking et l'identification sont d'autres appellations de la NER. Elle est utilisée dans divers domaines de l'intelligence artificielle (IA), notamment l'apprentissage profond, les réseaux de neurones et l'apprentissage automatique (ML). La NER est essentielle pour les systèmes NLP, y compris les chatbots, les outils d'analyse de sentiment et les moteurs de recherche. Elle est employée dans l'analyse des réseaux sociaux, les ressources humaines (RH), le service client, la finance et l'enseignement supérieur.
Qu'est-ce que la reconnaissance d'entités nommées (NER) ?