개체명 인식

영어	Named Entity Recognition (NER)
분류	자연어 처리
작업	텍스트에서 개체 추출
개체 유형	인물, 장소, 조직, 날짜 등

'''개체명 인식'''(Named Entity Recognition, NER)은 텍스트에서 인물, 장소, 조직 등의 개체를 자동으로 식별하고 분류하는 [[자연어 처리]] 기술입니다. == 개요 == NER은 비정형 텍스트에서 중요한 정보를 추출하는 핵심 기술입니다. "삼성전자의 이재용 회장이 서울에서 회의를 가졌다"에서 "삼성전자"(조직), "이재용"(인물), "서울"(장소)을 식별합니다. == 개체 유형 == === 기본 개체 === * PER: 인물 * ORG: 조직 * LOC: 장소 * DATE: 날짜/시간 === 확장 개체 === * MONEY: 금액 * PERCENT: 비율 * PRODUCT: 제품 * EVENT: 이벤트 === 도메인 특화 === * 의료: 질병, 약물, 증상 * 법률: 법률, 판례 * 금융: 주식, 통화 == 기술 접근법 == === 규칙 기반 === * 정규 표현식 * 사전 기반 * 패턴 매칭 === 기계학습 === * CRF (조건부 랜덤 필드) * HMM * 특징 엔지니어링 === 딥러닝 === * BiLSTM-CRF * [[BERT]] 기반 * 시퀀스 라벨링 === LLM === * 프롬프트 기반 추출 * Few-shot 학습 == 평가 지표 == * Precision (정밀도) * Recall (재현율) * F1 Score * 경계 일치 vs 부분 일치 == 활용 분야 == === 정보 추출 === * 뉴스 분석 * 문서 요약 * 지식 그래프 구축 === 검색 === * 엔티티 검색 * 질의응답 * 시맨틱 검색 === 비즈니스 === * 고객 정보 추출 * 계약서 분석 * 이력서 파싱 === 의료 === * 의무기록 분석 * 임상 시험 매칭 * 약물 상호작용 == 도구 및 라이브러리 == * spaCy * NLTK * Stanza * Flair * Hugging Face Transformers == 한국어 NER == * KoBERT * KoNLPy * 한국어 특화 모델 == 도전 과제 == * 모호성 해결 * 중첩 개체 * 신조어/미등록어 * 다국어 처리 == 관련 문서 == * [[자연어 처리]] * [[BERT]] * [[정보 추출]] * [[지식 그래프]] [[분류:인공지능]] [[분류:자연어 처리]] [[분류:정보 추출]]