O que é Reconhecimento de Entidades Nomeadas (NER)? Qual marcação é mais frequentemente usada (BIO, BIOES)?

Reconhecimento de Entidades Nomeadas (NER) é uma tarefa na área de processamento de linguagem natural (PLN), voltada para a identificação e classificação automática de entidades nomeadas em um texto, como nomes de pessoas, organizações, datas, locais, etc.

Para marcar sequências em NER, frequentemente usam-se esquemas BIO e BIOES:

• BIO (Begin, Inside, Outside): as etiquetas indicam se um token é o início de uma entidade (B), está dentro de uma entidade (I) ou fora de uma entidade (O).
• BIOES (Begin, Inside, Outside, End, Single): esquema expandido que adiciona etiquetas para o fim de uma entidade (E) e tokens únicos que representam entidades (S). Isso ajuda a definir com maior precisão os limites das entidades.

Os esquemas BIO e BIOES ajudam os modelos a entender a estrutura e os limites das entidades nomeadas no texto.