हेल्थकेयर AI को लागि डाटा एनोटेसन

नामित निकाय पहिचान प्राकृतिक भाषा प्रशोधन को एक भाग हो। NER को प्राथमिक उद्देश्य संरचित र असंरचित डेटा प्रशोधन गर्न र यी नामित संस्थाहरूलाई पूर्वनिर्धारित कोटीहरूमा वर्गीकरण गर्नु हो। केही सामान्य कोटीहरूमा नाम, स्थान, कम्पनी, समय, मौद्रिक मानहरू, घटनाहरू, र थप समावेश छन्।

संक्षेपमा, NER ले निम्नसँग सम्झौता गर्दछ:

नामित संस्था पहिचान/पत्ता लगाउने - कागजातमा शब्द वा शृङ्खलाको शब्द पहिचान गर्ने।

नाम गरिएको इकाई वर्गीकरण - प्रत्येक पत्ता लगाइएको इकाईलाई पूर्वनिर्धारित कोटीहरूमा वर्गीकरण गर्दै।

प्राकृतिक भाषा प्रशोधनले बोली र पाठबाट अर्थ निकाल्न सक्षम बौद्धिक मेसिनहरू विकास गर्न मद्दत गर्दछ। मेशिन लर्निङले यी बौद्धिक प्रणालीहरूलाई ठूलो मात्रामा प्राकृतिक भाषा डेटा सेटहरूमा तालिम दिएर सिक्न जारी राख्न मद्दत गर्छ। सामान्यतया, NLP मा तीन प्रमुख कोटिहरु हुन्छन्:

भाषाको संरचना र नियमहरू बुझ्ने - वाक्यविन्यास

शब्द, पाठ, र बोलीको अर्थ निकाल्ने र तिनीहरूको सम्बन्ध पहिचान गर्ने - अर्थशास्त्र

बोलिएका शब्दहरूको पहिचान र पहिचान गर्ने र तिनीहरूलाई पाठमा रूपान्तरण गर्ने - वाणी

पूर्वनिर्धारित इकाई वर्गीकरणका केही सामान्य उदाहरणहरू हुन्:

व्यक्ति: माइकल ज्याक्सन, ओप्रा विन्फ्रे, बराक ओबामा, सुसान सरन्डन

स्थान: क्यानडा, होनोलुलु, बैंकक, ब्राजिल, क्याम्ब्रिज

संगठन: सैमसंग, डिज्नी, येल विश्वविद्यालय, गुगल

समय: १५.३५, १२ बजे,

NER प्रणालीहरू सिर्जना गर्न विभिन्न दृष्टिकोणहरू छन्:

शब्दकोशमा आधारित प्रणालीहरू

नियममा आधारित प्रणालीहरू

मेसिन लर्निङमा आधारित प्रणालीहरू

सुव्यवस्थित ग्राहक समर्थन

दक्ष मानव संसाधन

सरलीकृत सामग्री वर्गीकरण

खोज इन्जिनहरू अनुकूलन गर्दै

सटीक सामग्री सिफारिस