Adlandırılmış varlık tanıma
NER, metindeki adlandırılmış varlıkları işaretleyip kişi, kurum veya yer gibi türlere atar.
NER metinde neleri tanır?
Adlandırılmış varlık tanıma, kısaca NER, metindeki adlandırılmış varlıkları bulur ve ilgili metin bölümlerine kişi, kurum veya yer gibi türler atar. Desteklenen türler ve tanımanın güvenilirliği; kullanılan yönteme, dile ve verilere bağlıdır. Bir adın kurum olarak işaretlenmesi, onu belirli bir müşteri kaydına bağlamaz. Bu benzersiz eşleme ayrıca yapılması gereken bir iştir.
Kurgusal bir talep metninde Mira, Nordstern Service ve Berlin adları geçer. Sistem bu adları kişi, kurum ve yer önerileri olarak işaretleyecektir. CRM’e aktarılmadan önce hangi mevcut kişi veya işletmenin gerçekten kastedildiği denetlenmelidir. Benzer adlar farklı kayıtlara ait olabilir. Ekip bu nedenle kısaltma, farklı yazım ve birden çok anlama gelebilen adlar içeren durumlarla da denemeler planlar. Tanıma, sonraki işlemler için metin bölümleri sağlar; istekte bulunan kişinin kimliğini veya erişim haklarını kanıtlamaz.
Kaynaklar
İlgili terimler
- Büyük dil modeliBüyük dil modeli, öğrendiği örüntülerle dili işler. Akıcı metin, bilginin doğruluğunu veya güncel şirket verisine erişimi kanıtlamaz.
- Üretken yapay zekâÜretken yapay zekâ metin, görsel veya kod gibi içerikler üretir. Kalite, kullanım amacı ve eldeki dayanaklarla değerlendirilir.
- YZ çıkarımıSonuç almak için önceden eğitilmiş modeli girdilere uygulamak.
- Çok modlu yapay zekâGirdi veya çıktısında metin, görüntü ve ses gibi birden çok bilgi türünü kullanan yapay zekâ.
- Optik karakter tanımaOptik karakter tanıma, görseldeki yazıyı işlenebilir metne dönüştürür. Bir tutarın okunması, faturanın iş açısından kontrol edildiği anlamına gelmez.
- Duygu analiziMetinde ifade edilen olumlu, olumsuz veya nötr tutumu tahmin etme; talebin iş açısından değerlendirilmesinin yerini tutmaz.
Bu konudaki yazılar
ASES ile Yapay zekâ ve otomasyon
Yapay zekâ asistanları ve otomatik iş akışları