Kas ir Nosaukto Entitātes Atpazīšana (NER)? Kura marķēšana tiek visbiežāk izmantota (BIO, BIOES)?

Nosaukto vienības atpazīšana (NER) ir uzdevums dabiskās valodas apstrādē (NLP), kas vērsts uz automātisku nosaukto vienību identificēšanu un klasifikāciju tekstā, piemēram, cilvēku vārdi, organizācijas, datumi, vietas utt.

Sekvences marķēšanai NER bieži izmanto BIO un BIOES shēmas:

• BIO (Begin, Inside, Outside): marķieri norāda, vai tokens ir vienības sākums (B), iekšpusē (I) vai ārpus (O) vienības.
• BIOES (Begin, Inside, Outside, End, Single): paplašināta shēma, kurā pievienoti marķieri vienības beigām (E) un vienreizējiem tokens, kas pārstāv vienības (S). Tas palīdz precīzāk noteikt vienību robežas.

BIO un BIOES shēmas palīdz modeļiem saprast nosaukto vienību struktūru un robežas tekstā.