Share it with your network.
El reconocimiento de entidades con nombre es un proceso en el que un algoritmo toma una cadena de texto (oración o párrafo) como entrada e identifica los sustantivos relevantes (personas, lugares y organizaciones) que se mencionan en esa cadena. En nuestro blog anterior, te dimos una idea de cómo nuestros API de reconocimiento de entidades con nombre funciona bajo el capó. En esta publicación, enumeramos algunos escenarios y casos de uso de la tecnología de reconocimiento de entidades nombradas.
Casos de uso del reconocimiento de entidades nombradas
Clasificación del contenido para los proveedores de noticias
Las casas de noticias y editoriales generan grandes cantidades de contenido en línea a diario y administrarlos correctamente es muy importante para aprovechar al máximo cada artículo. Named Entity Recognition puede escanear automáticamente artículos enteros y revelar cuáles son las principales personas, organizaciones y lugares de los que se habla en ellos. Conocer las etiquetas relevantes de cada artículo ayuda a categorizar automáticamente los artículos en jerarquías definidas y permite descubrir el contenido sin problemas. En el ejemplo siguiente se puede ver un ejemplo de cómo funciona esto.
La API de reconocimiento de entidades nombradas ha identificado correctamente todas las etiquetas relevantes del artículo y se pueden usar para la categorización.
Algoritmos de búsqueda eficientes
Supongamos que está diseñando un algoritmo de búsqueda interno para un editor en línea que tiene millones de artículos. Si para cada consulta de búsqueda el algoritmo termina buscando todas las palabras de millones de artículos, el proceso llevará mucho tiempo. En cambio, si el reconocimiento de entidades nombradas se puede ejecutar una vez en todos los artículos y las entidades relevantes (etiquetas) asociadas a cada uno de esos artículos se almacenan por separado, esto podría acelerar considerablemente el proceso de búsqueda. Con este enfoque, un término de búsqueda se comparará únicamente con la pequeña lista de entidades analizadas en cada artículo, lo que agilizará la ejecución de la búsqueda.
Potenciando las recomendaciones de contenido
Uno de los principales casos de uso del reconocimiento de entidades nombradas implica la automatización del proceso de recomendación. Los sistemas de recomendación dominan la forma en que descubrimos nuevos contenidos e ideas en el mundo actual. El ejemplo de Netflix demuestra que el desarrollo de un sistema de recomendación eficaz puede hacer maravillas para una empresa de medios de comunicación, ya que hace que sus plataformas sean más atractivas y adictivas a los eventos. Para los editores de noticias, usar Named Entity Recognition para recomendar artículos similares es un enfoque probado. El siguiente ejemplo de BBC News muestra cómo se implementan las recomendaciones de artículos similares en la vida real. Esto se puede hacer extrayendo las entidades de un artículo en particular y recomendando los otros artículos en los que se mencionen las entidades más similares. Este es un enfoque que hemos utilizado de manera eficaz para desarrollar recomendaciones de contenido para un cliente de la industria de los medios.
Atención al cliente
Hay varias maneras de facilitar el proceso de gestión de los comentarios de los clientes y el reconocimiento de entidades nombradas podría ser una de ellas. Tomemos un ejemplo para entender el proceso. Si estás a cargo del departamento de atención al cliente de una tienda electrónica con varias sucursales en todo el mundo, verás varias menciones en los comentarios de tus clientes. Así, por ejemplo,
@cromaretail capacita a tu personal en croma bandra para que proporcionen los detalles correctos del servicio de atención al cliente de Fitbit. El número indicado no funciona
— Sandhya Advani (@sandyaadvani) 16 de abril de 2017
Ahora, si lo pasas por la API de reconocimiento de entidades nombradas, extraerá las entidades Bandra (ubicación) y Fitbit (producto). A continuación, se puede usar para clasificar la queja y asignarla al departamento correspondiente de la organización que debería tramitarla.
Del mismo modo, puede haber otros tweets de comentarios y puedes clasificarlos todos en función de sus ubicaciones y los productos mencionados. Puedes crear una base de datos con los comentarios clasificados en diferentes departamentos y realizar análisis para evaluar el poder de cada uno de estos departamentos.
Artículos de investigación
Una revista o sitio de publicación en línea contiene millones de trabajos de investigación y artículos académicos. Puede haber cientos de artículos sobre un solo tema con ligeras modificaciones. Organizar todos estos datos de una manera bien estructurada puede resultar complicado. Es probable que «hojear» toda esa cantidad de datos en línea y buscar una información en particular no sea la mejor opción. Separar los documentos en función de las entidades pertinentes de las que disponen puede ahorrarse la molestia de tener que revisar la gran cantidad de información sobre el tema. Por ejemplo, podría haber alrededor de 2 lakh de artículos sobre aprendizaje automático. Si les pones etiquetas en función de la entidad extraída, encontrarás rápidamente los artículos en los que se discute el uso de redes neuronales convolucionales para la detección de rostros.
El contenido textual no estructurado es rico en información, pero encontrar lo que es relevante siempre es una tarea difícil. Con la gran cantidad de datos que provienen de las redes sociales, el correo electrónico, los blogs, las noticias y los artículos académicos, cada vez es más difícil y necesariamente importante extraer esa información, clasificarla y aprender de ella. Pueden existir otras técnicas de PNL para el descubrimiento de procesos, pero si quieres que tus datos categorizados estén bien estructurados, la API de reconocimiento de entidades nombradas es la mejor opción. Pruebe nuestra API de reconocimiento de entidades con nombre y compruébalo tú mismo. Si tienes otras ideas para los casos de uso del reconocimiento de entidades nombradas, compártelas en la sección de comentarios que aparece a continuación.
Esperamos que os haya gustado el artículo. Por favor Inscríbase para obtener una cuenta Komprehend gratuita para comenzar su viaje con la IA. También puedes consultar las demostraciones de las API de Komprehend aquí.
