¿Qué es la supervisión remota (NER de KB)?

La supervisión remota (enseñanza a distancia) en el contexto del Reconocimiento de Entidades Nombradas (NER) desde la Base de Conocimientos (KB) es un método de etiquetado automático de datos para entrenar modelos, donde la anotación no se realiza manualmente, sino con la ayuda de fuentes externas de conocimiento.

La idea es que, teniendo una base de conocimientos (por ejemplo, una lista de entidades conocidas y sus tipos), se puedan emparejar automáticamente las menciones en el texto con estas entidades y usar estos emparejamientos como ejemplos de entrenamiento. Esto permite obtener una gran cantidad de datos anotados sin trabajo manual.

Sin embargo, este enfoque puede introducir ruido en los datos, ya que las coincidencias no siempre son correctas (por ejemplo, la polisemia de las palabras). Por ello, la supervisión remota a menudo se combina con métodos de aprendizaje débil (weak supervision) y aprendizaje activo (active learning) para mejorar la calidad de la anotación y del modelo.

Ejemplo: si en la KB hay una entrada que dice que "Apple" es una empresa, entonces todas las menciones de "Apple" en el texto se etiquetan automáticamente como organización, lo que proporciona ejemplos de entrenamiento para NER.