O que é supervisão remota (NER de KB)?

Supervisão remota (ensino a distância) no contexto do Reconhecimento de Entidades Nomeadas (NER) a partir de uma Base de Conhecimento (KB) é um método de marcação automática de dados para treinar modelos, onde a marcação não é feita manualmente, mas com a ajuda de fontes externas de conhecimento.

A ideia é que, tendo uma base de conhecimento (por exemplo, uma lista de entidades conhecidas e seus tipos), é possível corresponder automaticamente as menções no texto a essas entidades e usar essas correspondências como exemplos de treino. Isso permite obter uma grande quantidade de dados anotados sem trabalho manual.

No entanto, essa abordagem pode introduzir ruído nos dados, pois as correspondências nem sempre são corretas (por exemplo, polissemia de palavras). Por isso, a supervisão remota é frequentemente combinada com métodos de aprendizagem fraca (weak supervision) e aprendizagem ativa (active learning) para melhorar a qualidade da marcação e do modelo.

Exemplo: se na KB há uma entrada dizendo que "Apple" é uma empresa, então todas as menções de "Apple" no texto são automaticamente marcadas como organização, fornecendo exemplos de treino para NER.