Named Entity Recognition : identifier et cataloguer des entités nommées

La Named Entity Recognition (NER), en français reconnaissance d’entités nommées, est une sous-discipline de la linguistique informatique, utilisée pour identifier des entités nommées (noms) dans un texte et les cataloguer selon des paramètres spécifiques. Cette technique joue un rôle essentiel dans le domaine du Machine Learning.

La Named Entity Recognition c’est quoi ?

La Named Entity Recognition (NER) est une discipline de la linguistique informatique qui reconnaît les entités nommées dans les textes et les attribue automatiquement à des catégories spécifiques. Cette tâche est aussi appelée reconnaissance de noms propres. Les noms propres ou les entités nommées étant des mots isolés ou des séquences de plusieurs mots qui décrivent une entité réelle. Il peut s’agir par exemple d’une personne, d’une entreprise, d’une autorité, d’un événement, d’un lieu, d’un produit spécifique ou encore d’une date.

Cette discipline est également utilisée dans le domaine du Machine Learning et de l’intelligence artificielle et provient du contexte du traitement automatique du langage naturel (TALN), dans lequel le langage naturel doit être catégorisé et traité par des algorithmes, des ordinateurs et des règles prédéfinies. Grâce à des avancées continues, la Named Entity Recognition affiche désormais des taux de réussite convaincants dans de nombreuses langues, et ne peut guère être distinguée de l’identification par un être humain.

Comment fonctionne la Named Entity Recognition ?

La Named Entity Recognition fait appel à différentes méthodes détaillées dans cet article. Cependant, quelle que soit la méthode utilisée, deux étapes essentielles sont cruciales pour assurer le succès de la démarche.

Identification des entités nommées

Cela commence par l’identification proprement dite d’une ou de plusieurs entités nommées. Il ne s’agit pas uniquement de noms propres typiques comme « Pierre Dupont ». Des termes comme « Léman », « Seconde Guerre mondiale », « Peugeot », « Vosges », « Jurassic Park » ou « 12 octobre 1986 » sont aussi considérés comme des entités nommées et peuvent donc être reconnus par la Named Entity Recognition. Une fois que ces noms propres ont été identifiés comme tels, leur début et leur fin sont marqués. Ainsi, un système peut les reconnaître dans un texte naturel.

Catégorisation des entités nommées

Après identification, les entités nommées marquées sont assignés à des catégories définies. Celles-ci incluent, entre autres, des personnes, des lieux, des événements historiques, des entreprises, des institutions, des produits, des dates ou encore des titres de médias et des œuvres d’art. Il est essentiel que la Named Entity Recognition soit capable de reconnaître les variantes d’une même entité et que les points de début et de fin définis soient pertinents.

Quelles sont les procédures de NER ?

Bien que les deux étapes de travail de la Named Entity Recognition (NER) soient toujours nécessaires, il existe différentes procédures et méthodes pour obtenir les résultats souhaités. Découvrez les quatre approches les plus courantes et les plus efficaces.

Analyse à l’aide de dictionnaires

La méthode la plus simple consiste probablement à comparer les entités à divers dictionnaires. Dès qu’il y a une correspondance entre un mot ou une suite de mots et un nom propre dans un dictionnaire, celui-ci est marqué comme entité nommée, puis classé dans la catégorie correspondante.

Named Entity Recognition basée sur des règles

Des règles définies peuvent aussi servir de base à la Named Entity Recognition. Pour cela, des modèles sont élaborés et comparés aux textes existants. En cas de concordance, les entités sont identifiées et catégorisées. Cette méthode basée sur des règles convient particulièrement pour certains textes spécialisés, mais elle n’est pas idéale pour une utilisation à grande échelle.

Machine Learning et IA

Les meilleurs résultats sont obtenus avec les méthodes basées sur le Machine Learning ou l’IA. Ces méthodes s’appuient sur des ensembles de données qui servent à entraîner les systèmes correspondants. L’identification des corrélations statistiques joue un rôle particulièrement important dans ce processus. Une fois l’entraînement terminé, l’IA est capable d’analyser des textes inconnus, de reconnaître les entités nommées et de les attribuer à une catégorie appropriée. Le principe est le suivant : plus les données d’entraînement sont complètes et équilibrées, meilleurs seront les résultats.

Méthode hybride de NER basée sur des règles et soutenue par l’IA

Une approche hybride de Named Entity Recognition basée sur des règles et assistée par l’IA peut aussi donner de très bons résultats. Dans ce cas, les entités simples sont identifiées par le catalogue de règles et les entités plus complexes sont trouvées et cataloguées par l’intelligence artificielle.

Quels sont les domaines d’application de la NER ?

Il existe de nombreux domaines d’application actuels ou potentiels pour la Named Entity Recognition. En voici quelques-uns parmi les plus notables :

• Analyse des sentiments : la Named Entity Recognition est déjà utilisée pour évaluer les retours clients et les tendances. L’IA identifie, par exemple, les mentions sur les marques, les avis sur des produits ou d’autres réactions.
• Business Intelligence : la NER est utilisée pour transformer des textes non structurés en données structurées. Cela est particulièrement utile dans le domaine de la collecte d’informations et aide à l’analyse de documents financiers.
• Annotation de données : l’annotation de données permet de développer et d’entraîner des modèles améliorés pour la traduction, la classification et l’analyse de textes. La Named Entity Recognition joue un rôle clé dans ce processus.
• Assistance numérique : la Named Entity Recognition est idéale pour des services tels que les chatbots ou autres assistants numériques. Elle analyse les demandes des utilisateurs et, sur cette base, fournit des réponses adaptées et précises.
• Étiquetage : Cette méthode est utilisée pour extraire des informations, telles que des noms de personnes ou des lieux, à partir de différents articles et les stocker ensuite en tant que métadonnées.
• Moteurs de recherche : cette méthode permet d’évaluer et d’améliorer les algorithmes de recherche. Les moteurs de recherche peuvent ainsi fournir des résultats encore plus pertinents.
• Réseaux neuronaux : la NER est aussi utilisée dans le domaine de la Long Short-Term Memory (LSTM) et dans des techniques similaires.

Quels sont les problèmes liés à la Named Entity Recognition ?

Bien que la Named Entity Recognition progresse rapidement et produise déjà des résultats remarquables, plusieurs défis restent encore à surmonter concernant cette technologie. En l’occurrence, l’adaptation des modèles entraînés dans des textes spécialisés n’aboutit pas toujours aux résultats attendus. Cela est particulièrement vrai lorsque les données utilisées pour le Transfer Learning ne sont pas suffisamment nombreuses ou spécifiques. En raison de nouvelles entités, les modèles sont souvent contraints de s’appuyer sur des ensembles de données trop restreints. Une solution possible réside dans les approches Zero Shot Learning (apprentissage sans exemple) ou Few Shot Learning (apprentissage par petites touches ou micro-apprentissage), qui permettent de travailler avec un volume de données réduit tout en obtenant des résultats satisfaisants.