Wat is Named Entity Recognition (NER)? Welke annotatie wordt het meest gebruikt (BIO, BIOES)?

Named Entity Recognition (NER) is een taak binnen het gebied van natuurlijke taalverwerking (NLP), gericht op het automatisch identificeren en classificeren van benoemde entiteiten in tekst, zoals namen van mensen, organisaties, data, locaties, enz.

Voor het markeren van sequenties in NER worden vaak de schema's BIO en BIOES gebruikt:

• BIO (Begin, Inside, Outside): labels geven aan of een token het begin van een entiteit is (B), binnen een entiteit (I) of buiten een entiteit (O).
• BIOES (Begin, Inside, Outside, End, Single): uitgebreid schema waarbij labels worden toegevoegd voor het einde van een entiteit (E) en voor enkele tokens die entiteiten vormen (S). Dit helpt om de grenzen van entiteiten nauwkeuriger te bepalen.

De schema's BIO en BIOES helpen modellen de structuur en grenzen van benoemde entiteiten in tekst te begrijpen.