Reconnaissance d'entités nommées

Langues prises en charge pour le texte d'entrée

Cas d'utilisation

Vous pouvez utiliser efficacement le point d'extrémité de reconnaissance d'entités nommées dans les scénarios suivants :

Classification de contenu pour les fournisseurs d'informations

Il peut être difficile de classer et de classer le contenu des articles d'informations. Le modèle de reconnaissance d'entités nommées peut balayer automatiquement les articles pour identifier les personnes, les organisations et les lieux principaux qui y sont mentionnés. Les entités extraites peuvent être enregistrées sous forme de marqueurs avec les articles associés. La connaissance des marqueurs pertinents pour chaque article facilite la catégorisation automatique des articles dans des hiérarchies définies et la détection de contenu.

Soutien à la clientèle

La reconnaissance des entités pertinentes dans les réclamations et les rétroactions des clients, les spécifications de produit, les détails des services ou des succursales d'entreprise, permet de classer les rétroactions de manière appropriée. Les entités peuvent ensuite être transmises à la personne responsable du produit identifié.

De même, il peut exister des gazouillis de rétroaction permettant une classification en fonction des emplacements et des produits mentionnés.

Algorithmes de recherche efficaces

Vous pouvez utiliser la reconnaissance d'entités nommées pour extraire des entités qui sont ensuite recherchées par rapport à une interrogation, au lieu de rechercher une interrogation dans les millions d'articles et de sites Web en ligne. Lors de l'exécution sur des articles, toutes les entités pertinentes associées à chaque article sont extraites et stockées séparément. Cette séparation peut accélérer considérablement le processus de recherche. Le terme de recherche n'est mis en correspondance qu'avec une petite liste d'entités dans chaque article, ce qui permet des recherches rapides et efficaces.

Vous pouvez rechercher du contenu dans des millions de documents de recherche, d'articles Wikipédia, de blogues, d'articles, etc.

Recommandations de contenu

Grâce à la reconnaissance d'entités nommées, il est possible d'extraire des entités d'un article donné et de recommander les autres articles dans lesquels des entités similaires sont mentionnées. Par exemple, cette méthode peut être utilisée efficacement pour élaborer des recommandations de contenu pour un client du secteur des médias. Elle permet d'extraire les entités associées au contenu historique ou aux activités précédentes. La reconnaissance d'entités nommées les compare à l'étiquette affectée à d'autres contenus non lus pour filtrer les entités pertinentes.

Récapitulatif automatique des candidats

Le modèle de reconnaissance d'entités nommées peut faciliter l'évaluation des candidats en simplifiant le travail requis pour présélectionner les candidats, lorsque les candidatures sont nombreuses. Les recruteurs peuvent les filtrer et les classer en fonction d'entités identifiées telles que l'emplacement, les diplômes universitaires, les employeurs, les compétences, les désignations, les certifications et les brevets.

Entités prises en charge

Le tableau suivant décrit les différentes entités que la reconnaissance d'entités nommées peut extraire. Le type et le sous-type d'entité dépendent de l'API que vous appelez (detectDominantLanguageEntities ou batchDetectDominantLanguageEntities).

NATIONALITIES, 
RELIGIOUS and 
POLITICAL GROUPS

("GB") - United Kingdom

("AU") - Australia 

("NZ") - New Zealand 

("SG") - Singapore 

("IN") - India

("US")  - United States

Exemples

Red Bull Racing Honda, the four-time Formula-1 World 
Champion team, has chosen Oracle Cloud Infrastructure 
(OCI) as their infrastructure partner.

Red Bull Racing Honda [ORG] 1.0000
four-time [QUANTITY/NUMBER] 1.0000
Formula-1 World [EVENT] 0.9705
Oracle Cloud Infrastructure (OCI [ORG] 0.9811

OCI recently added new services to the existing 
compliance program including SOC, HIPAA, and ISO, to enable our customers 
to solve their use cases. We also released new technical papers and 
guidance documents related to Object Storage, the Australian Prudential 
Regulation Authority (APRA), and the Central Bank of Brazil. These 
resources help regulated customers better understand how OCI 
supports their regional and industry-specific compliance requirements. 
Not only are we expanding our number of compliance offerings and 
regulatory alignments, we continue to add regions and services at 
a faster rate.

OCI [ORG] 1.0000
SOC [ORG] 1.0000
HIPAA [ORG] 1.0000
ISO [ORG] 1.0000
Australian Prudential Regulation Authority [ORG] 1.0000
Central Bank of Brazil [ORG] 0.9998
OCI [ORG] 1.0000

Les données JSON du premier exemple sont les suivantes :

Exemple de demande

POST https://<region-url>/20210101/actions/batchDetectLanguageEntities

Format de demande d'API :

"{
    "documents": [
       

{             "key": "doc1",             "text": " Red Bull Racing Honda, the four-time Formula-1 World Champion team, has chosen Oracle Cloud Infrastructure (OCI) as their infrastructure partner."         }
    ]
}"

Réponse JSON :

{
    "documents": [
        {
            "key": "1",
            "entities": [
                {
                    "offset": 0,
                    "length": 15,
                    "text": "Red Bull Racing",
                    "type": "ORGANIZATION",
                    "subType": null,
                    "score": 0.9914557933807373,
                    "metaInfo": null
                },
                {
                    "offset": 16,
                    "length": 5,
                    "text": "Honda",
                    "type": "ORGANIZATION",
                    "subType": null,
                    "score": 0.6515499353408813,
                    "metaInfo": null
                },
                {
                    "offset": 27,
                    "length": 9,
                    "text": "four-time",
                    "type": "QUANTITY",
                    "subType": null,
                    "score": 0.9998091459274292,
                    "metaInfo": [
                        {
                            "offset": 27,
                            "length": 9,
                            "text": "four-time",
                            "subType": "UNIT",
                            "score": 0.9998091459274292
                        }
                    ]
                },
                {
                    "offset": 47,
                    "length": 5,
                    "text": "World",
                    "type": "LOCATION",
                    "subType": "NON_GPE",
                    "score": 0.5825434327125549,
                    "metaInfo": null
                },
                {
                    "offset": 79,
                    "length": 27,
                    "text": "Oracle Cloud Infrastructure",
                    "type": "ORGANIZATION",
                    "subType": null,
                    "score": 0.998045802116394,
                    "metaInfo": null
                },
                {
                    "offset": 108,
                    "length": 3,
                    "text": "OCI",
                    "type": "ORGANIZATION",
                    "subType": null,
                    "score": 0.9986366033554077,
                    "metaInfo": null
                }
            ],
            "languageCode": "en"
        }
    ],
    "errors": []
}

Limites

• Parfois, les entités peuvent ne pas être séparées ou combinées comme vous le souhaitez.

• La reconnaissance d'entités nommées utilise le contexte de la phrase pour identifier les entités. Si le contexte n'est pas présent dans le texte traité, les entités risquent de ne pas être extraites comme vous le souhaitez.

• Un texte dont la structure et la sémantique sont incorrectes peut réduire la performance.

• L'âge n'est pas une entité distincte. Par conséquent, les périodes liées à l'âge peuvent être identifiées en tant qu'entités de date.