Introduction au Reconnaissance d'Entités Nommées

📋 Plan du Cours

1. Définition du NER
2. Extraction d’informations
3. Méthodes à base de lexique
4. Apprentissage automatique et profond
5. Approche hybride
6. Jeux de données NER
7. Schéma IOB et annotation
8. Types d’entités et rôle du POS

📖 1. Définition du NER

🔑 Notions clés & Définitions

• NER : NER est une tâche de traitement du langage naturel qui identifie et classe des entités importantes dans du texte non structuré.
• Entités nommées : Les entités nommées sont des éléments d’intérêt comme des personnes, organisations, lieux, dates, valeurs monétaires ou produits.
• Texte non structuré : Le texte non structuré est un contenu écrit sans organisation exploitable directement en base de données.
• Données structurées : Les données structurées sont des sorties issues de l’étiquetage d’entités, prêtes à être analysées ou indexées.

📝 Points essentiels

• Le NER sert à transformer du texte brut en informations exploitées sous forme d’éléments étiquetés par type d’entité.
• Les catégories d’entités couvertes incluent des noms propres et aussi des types comme dates et montants d’argent.
• Le résultat du NER correspond à des informations « importantes » repérées dans le texte plutôt qu’à une simple classification globale.

💡 Astuce mémo

NER = Noms + Règles de Types : repérer qui/quoi/où/quand dans le texte.

📖 2. Extraction d’informations

🔑 Notions clés & Définitions