| Property |
Value |
| dbo:abstract
|
- El Reconocimiento de entidades nombradas (NER por sus siglas en inglés) (también conocido como extracción de entidades) es una tarea de extracción de información que busca localizar y clasificar en categorías predefinidas, como personas, organizaciones, lugares, expresiones de tiempo y cantidades, las entidades nombradas encontradas en un texto. La mayor parte de la investigación en NER han sido realizadas sobre bloques de texto no anotado, como el siguiente: Jim compró 300 acciones de Acmé Corp. en 2006. Y produce un bloque de texto anotado que destaca los nombres de entidades: [Jim] (persona) compró 300 acciones de [Acmé Corp.] (organización) en [2006] (tiempo). En este ejemplo, han sido detectados y clasificados el nombre de una persona que consta de un token o componente léxico, un nombre de compañía de dos tokens y una expresión temporal. Los sistemas de reconocimiento de entidades para el inglés tienen un rendimiento cercano al humano. Por ejemplo, el mejor sistema presentado en el MUC-7 obtuvo una puntuación de 93.39% de valor-F mientras que anotadores humanos puntuaron 97.60% y 96.95%. (es)
- El Reconocimiento de entidades nombradas (NER por sus siglas en inglés) (también conocido como extracción de entidades) es una tarea de extracción de información que busca localizar y clasificar en categorías predefinidas, como personas, organizaciones, lugares, expresiones de tiempo y cantidades, las entidades nombradas encontradas en un texto. La mayor parte de la investigación en NER han sido realizadas sobre bloques de texto no anotado, como el siguiente: Jim compró 300 acciones de Acmé Corp. en 2006. Y produce un bloque de texto anotado que destaca los nombres de entidades: [Jim] (persona) compró 300 acciones de [Acmé Corp.] (organización) en [2006] (tiempo). En este ejemplo, han sido detectados y clasificados el nombre de una persona que consta de un token o componente léxico, un nombre de compañía de dos tokens y una expresión temporal. Los sistemas de reconocimiento de entidades para el inglés tienen un rendimiento cercano al humano. Por ejemplo, el mejor sistema presentado en el MUC-7 obtuvo una puntuación de 93.39% de valor-F mientras que anotadores humanos puntuaron 97.60% y 96.95%. (es)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
| |
| dbo:wikiPageRevisionID
| |
| dct:subject
| |
| rdfs:comment
|
- El Reconocimiento de entidades nombradas (NER por sus siglas en inglés) (también conocido como extracción de entidades) es una tarea de extracción de información que busca localizar y clasificar en categorías predefinidas, como personas, organizaciones, lugares, expresiones de tiempo y cantidades, las entidades nombradas encontradas en un texto. La mayor parte de la investigación en NER han sido realizadas sobre bloques de texto no anotado, como el siguiente: Jim compró 300 acciones de Acmé Corp. en 2006. Y produce un bloque de texto anotado que destaca los nombres de entidades: (es)
- El Reconocimiento de entidades nombradas (NER por sus siglas en inglés) (también conocido como extracción de entidades) es una tarea de extracción de información que busca localizar y clasificar en categorías predefinidas, como personas, organizaciones, lugares, expresiones de tiempo y cantidades, las entidades nombradas encontradas en un texto. La mayor parte de la investigación en NER han sido realizadas sobre bloques de texto no anotado, como el siguiente: Jim compró 300 acciones de Acmé Corp. en 2006. Y produce un bloque de texto anotado que destaca los nombres de entidades: (es)
|
| rdfs:label
|
- Reconocimiento de entidades nombradas (es)
- Reconocimiento de entidades nombradas (es)
|
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is owl:sameAs
of | |
| is foaf:primaryTopic
of | |
