Reconnaissance d’entités nommées (NER)

• Comprendre les principes de la reconnaissance d’entités nommées (NER)
• Identifier automatiquement les personnes, lieux, organisations et autres entités dans un texte
• Exploiter la NER pour extraire et structurer des informations utiles à partir de documents

Data scientists, développeurs, professionnels de la gestion de l’information

Notions de base en traitement automatique du langage naturel recommandées

• Découvrir les fondamentaux de la reconnaissance d’entités nommées et ses applications
• Identifier les différents types d’entités : personnes, organisations, lieux, dates, montants, produits, etc.
• Comprendre les méthodes et modèles utilisés en NER (règles, machine learning, deep learning)
• Préparer et annoter des données pour l’entraînement et l’évaluation des modèles
• Utiliser les principaux outils et bibliothèques de NER (spaCy, Hugging Face, NLTK, Azure AI, etc.)
• Extraire et structurer automatiquement les informations contenues dans les textes
• Gérer les ambiguïtés, variantes d’écriture et cas complexes d’identification d’entités
• Intégrer la NER dans des processus documentaires, analytiques ou conversationnels
• Évaluer la qualité des résultats et améliorer les performances des modèles
• Appliquer les bonnes pratiques d’utilisation, de gouvernance et d’éthique liées à l’extraction automatisée d’informations

• Annoter un corpus de documents avec différentes catégories d’entités
• Extraire automatiquement des entités à l’aide d’un outil NER
• Comparer les performances de plusieurs modèles de reconnaissance d’entités

• Guide pratique de la reconnaissance d’entités nommées
• Bibliothèque d’outils, modèles et jeux de données NER
• Check-list d’évaluation et d’amélioration des systèmes d’extraction d’informations