Reconnaissance d'entités nommées (NER)
La reconnaissance d'entités nommées (NER) est une tâche de traitement automatique du langage naturel qui identifie et classe les entités nommées dans un texte selon des catégories prédéfinies comme les personnes, organisations, lieux, dates et entités spécifiques à un domaine.
Comprendre Reconnaissance d'entités nommées (NER)
La NER est l’une des tâches de base du TALN, permettant aux systèmes de convertir un texte non structuré en données structurées. Un système NER classique identifie les noms propres et les catégorise : nom de personne, nom d'entreprise, référence à une date, etc. Les systèmes modernes de NER basés sur les grands modèles de langage étendent cela à des catégories adaptées à chaque domaine et comprennent le contexte — par exemple, ils font la différence entre Apple l'entreprise et apple le fruit selon la phrase. Dans les applications de productivité, des catégories personnalisées comme TÂCHE, PROJET, ÉCHÉANCE et RÉUNION sont essentielles pour extraire des informations actionnables dans les échanges.
Comment GAIA utilise Reconnaissance d'entités nommées (NER)
GAIA applique la NER à chaque communication traitée afin d’extraire des informations structurées pour des usages ultérieurs. Les entités de personnes sont reliées à vos contacts, les dates déclenchent des actions sur le calendrier, les tâches alimentent votre gestionnaire de tâches et les projets se connectent au contexte des projets existants. Ce pipeline de NER transforme le flux non structuré d’e-mails en informations exploitables et organisées.
Concepts liés
Extraction d'entités
L'extraction d'entités est le processus de traitement du langage naturel (NLP) visant à identifier et à classer des informations spécifiques — telles que des personnes, des organisations, des dates, des lieux et des tâches — au sein d'un texte non structuré.
Traitement automatique du langage naturel (TALN)
Le traitement automatique du langage naturel (TALN) est une branche de l’intelligence artificielle qui vise à permettre aux ordinateurs de comprendre, interpréter, générer et répondre au langage humain de manière pertinente.
Reconnaissance d’intention
La reconnaissance d’intention est le processus par lequel un système d’IA identifie l’objectif ou le but implicite d’une entrée utilisateur, ce qui lui permet de choisir la réponse ou l’action appropriée, plutôt que de répondre seulement à la formulation de surface.
Modèle de langage volumineux (LLM)
Un modèle de langage volumineux (LLM) est une intelligence artificielle entraînée sur d'énormes quantités de textes et capable de comprendre, de générer et de raisonner sur le langage humain avec une remarquable aisance.
