Named Entity Re­co­g­ni­tion (NER): cómo ide­n­ti­fi­car y catalogar nombres propios

El Named Entity Re­co­g­ni­tion (NER) o re­co­no­ci­mie­n­to de entidades nombradas es una su­b­di­s­ci­pli­na de la li­n­güí­s­ti­ca co­mpu­tacio­nal que se utiliza para ide­n­ti­fi­car entidades nombradas (nombres propios) en un texto y ca­ta­lo­gar­las según ciertos pa­rá­me­tros. Es­pe­cia­l­me­n­te en el campo del apre­n­di­za­je au­to­má­ti­co, esta técnica juega un papel muy im­po­r­ta­n­te.

¿Qué es el Named Entity Re­co­g­ni­tion (NER)?

El Named Entity Re­co­g­ni­tion (abreviado NER) es una di­s­ci­pli­na de la li­n­güí­s­ti­ca co­mpu­tacio­nal que ide­n­ti­fi­ca nombres propios en textos y au­to­má­ti­ca­me­n­te los asigna a ciertas ca­te­go­rías. Esta tarea también se conoce como detección de nombres propios. Los nombres propios o entidades nombradas se refieren a palabras o se­cue­n­cias de palabras que describen una entidad real. Esto puede incluir una persona, una empresa, una in­s­ti­tu­ción, un evento, un lugar, un producto es­pe­cí­fi­co o una fecha.

Esta di­s­ci­pli­na también se aplica en el campo del apre­n­di­za­je au­to­má­ti­co y la in­te­li­ge­n­cia ar­ti­fi­cial y proviene del ámbito del Natural Language Pro­ce­s­si­ng (NLP), donde el objetivo es ca­te­go­ri­zar y procesar el lenguaje natural mediante al­go­ri­t­mos, or­de­na­do­res y reglas pre­de­fi­ni­das. Gracias a los avances continuos, el Named Entity Re­co­g­ni­tion ya muestra altas tasas de éxito en varios idiomas y es casi in­di­s­ti­n­gui­ble del re­co­no­ci­mie­n­to realizado por una persona.

¿Cómo funciona el Named Entity Re­co­g­ni­tion?

Existen varios métodos para el re­co­no­ci­mie­n­to de entidades nombradas, de los cuales ha­bla­re­mos más adelante en este artículo. Sin embargo, en cualquier método, hay dos pasos clave que son ese­n­cia­les para el éxito del proceso.

Ide­n­ti­fi­ca­ción de nombres propios

Esto incluye primero la ide­n­ti­fi­ca­ción de una o varias entidades nombradas. No se trata solo de nombres propios típicos como “Pedro Sánchez”. Términos como “Lago de Como”, “Segunda Guerra Mundial”, “Tesla”, “Monte Fuji”, “Star Wars” o “12 de octubre de 1986” también se co­n­si­de­ran entidades nombradas y pueden ser ca­p­tu­ra­das por el Named Entity Re­co­g­ni­tion. Una vez que estos nombres se ide­n­ti­fi­can como tales, se marcan sus puntos de inicio y fin para que el sistema pueda re­co­no­ce­r­los dentro de un texto natural.

Ca­te­go­ri­za­ción de las entidades nombradas

Después de la ide­n­ti­fi­ca­ción, los nombres propios marcados se asignan a ca­te­go­rías definidas. Estas ca­te­go­rías pueden incluir personas, lugares, eventos hi­s­tó­ri­cos, empresas, in­s­ti­tu­cio­nes, productos, fechas u obras de arte. Es im­po­r­ta­n­te que el Named Entity Re­co­g­ni­tion pueda, por ejemplo, reconocer variantes de una entidad y que los puntos de inicio y fin pre­via­me­n­te es­ta­ble­ci­dos sean precisos.

¿Qué métodos de NER existen?

Aunque los dos pasos me­n­cio­na­dos son ese­n­cia­les en cualquier proceso de re­co­no­ci­mie­n­to de entidades nombradas, existen varios métodos y enfoques para obtener los re­su­l­ta­dos deseados. A co­n­ti­nua­ción, te pre­se­n­ta­mos los cuatro enfoques más comunes y efectivos.

Análisis con di­c­cio­na­rios

En el método más simple, las entidades se comparan con di­fe­re­n­tes di­c­cio­na­rios. Cuando hay una coin­ci­de­n­cia entre una palabra o secuencia de palabras y un nombre propio en el di­c­cio­na­rio, se marca como una entidad nombrada y luego se clasifica en la categoría co­rre­s­po­n­die­n­te.

Named Entity Re­co­g­ni­tion basado en reglas

Las reglas definidas también se pueden usar como base para el Named Entity Re­co­g­ni­tion. Para ello, se de­sa­rro­llan patrones que se comparan con los textos exi­s­te­n­tes. Cuando se en­cue­n­tran coin­ci­de­n­cias, las entidades se ide­n­ti­fi­can y ca­te­go­ri­zan. Este método basado en reglas es adecuado sobre todo para textos es­pe­cia­li­za­dos y no para un uso masivo.

Machine Learning e IA

Los mejores re­su­l­ta­dos se logran con métodos que utilizan apre­n­di­za­je au­to­má­ti­co o in­te­li­ge­n­cia ar­ti­fi­cial como base. Se utilizan conjuntos de datos para entrenar los sistemas co­rre­s­po­n­die­n­tes. El re­co­no­ci­mie­n­to de patrones es­ta­dí­s­ti­cos juega aquí un papel crucial. Una vez co­m­ple­ta­do el en­tre­na­mie­n­to, la IA puede analizar textos de­s­co­no­ci­dos, ide­n­ti­fi­car nombres propios y asi­g­nar­los a una categoría. En general, cuanto más amplios y equi­li­bra­dos sean los datos de en­tre­na­mie­n­to, mejores serán los re­su­l­ta­dos.

Enfoque híbrido de NER basado en reglas e in­te­li­ge­n­cia ar­ti­fi­cial

Un enfoque híbrido, que combina el Named Entity Re­co­g­ni­tion basado en reglas y la IA, puede pro­po­r­cio­nar re­su­l­ta­dos muy efectivos. Las entidades simples se ide­n­ti­fi­can mediante un conjunto de reglas, mientras que las entidades más complejas se en­cue­n­tran y catalogan uti­li­za­n­do in­te­li­ge­n­cia ar­ti­fi­cial.

¿Cuáles son los usos del NER?

Existen numerosos casos de uso actuales o futuros para el Named Entity Re­co­g­ni­tion. Estos son algunos de los más im­po­r­ta­n­tes:

• Análisis de se­n­ti­mie­n­tos: se utiliza para evaluar la re­tro­ali­me­n­ta­ción de los clientes y las te­n­de­n­cias, ide­n­ti­fi­ca­n­do menciones de marcas, opiniones sobre productos u otras reac­cio­nes.
• In­te­li­ge­n­cia de negocios: se usa para convertir textos no es­tru­c­tu­ra­dos en datos es­tru­c­tu­ra­dos, lo que es útil para el análisis de do­cu­me­n­tos fi­na­n­cie­ros.
• Anotación de datos: la anotación de datos ayuda a mejorar modelos para la tra­du­c­ción de textos, cla­si­fi­ca­ción y análisis. El Named Entity Re­co­g­ni­tion ha juega un papel im­po­r­ta­n­te en este proceso.
• Asi­s­te­n­cia digital: NER es útil para servicios como chatbots, ana­li­za­n­do las so­li­ci­tu­des de los usuarios y ofre­cie­n­do re­s­pue­s­tas adecuadas.
• Eti­que­ta­do: la técnica se usa para filtrar nombres de personas o lugares en artículos y uti­li­zar­los como metadatos.
• Motores de búsqueda: NER mejora los al­go­ri­t­mos de búsqueda para ofrecer re­su­l­ta­dos más re­le­va­n­tes.
• Redes neu­ro­na­les: también se usa en el ámbito de la Long Short-Term Memory (LSTM) y técnicas similares.

¿Cuáles son los desafíos para el Named Entity Re­co­g­ni­tion?

Aunque el Named Entity Re­co­g­ni­tion ha avanzado rá­pi­da­me­n­te y produce re­su­l­ta­dos im­pre­sio­na­n­tes, todavía se enfrenta a algunos desafíos técnicos. La ada­p­ta­ción de modelos en­tre­na­dos a textos es­pe­cia­li­za­dos no siempre ofrece los re­su­l­ta­dos esperados, es­pe­cia­l­me­n­te si los datos para el Transfer Learning no son su­fi­cie­n­tes o es­pe­cí­fi­cos. Las nuevas entidades pueden limitar los modelos debido a la escasez de datos. Los enfoques Zero-Shot o Few-Shot, que requieren menos datos, pueden ofrecer una solución a este problema.