فئات الكيانات المسماة
الفئات الكلاسيكية من مهمة CoNLL-2003: PER (شخص)، LOC (مكان)، ORG (منظمة)، MISC (متفرقات). تضيف مخططات أخرى التاريخ والوقت والمال والنسبة، ومخطط OntoNotes يضم 18 فئة.
Tjong Kim Sang & De Meulder (2003)
Named Entity Recognition Lab
استخرج الأشخاص والأماكن والمؤسسات والتواريخ والأوقات والمبالغ والنسب من النص، مع بيان طريقة اكتشاف كل كيان.
التعرف على الكيانات المسماة (NER) يحدد مقاطع النص التي تشير إلى كيانات محددة ويصنفها. يوجد نهجان رئيسيان: نهج الأنماط والقواعد (Regular Expressions والقوائم الجغرافية Gazetteers وكلمات الدلالة مثل «جامعة» و«الدكتور»)، والنهج الإحصائي الذي يتعلم من بيانات موسومة بصيغة BIO (مثل ANERcorp للعربية) بنماذج CRF أو BiLSTM-CRF أو BERT. النهج الأول دقيق في الأنماط المنتظمة كالتواريخ والمبالغ، والثاني أفضل في الأسماء غير المعروفة مسبقاً.
عمود «الطريقة» يميز ما اكتُشف بتعبير نمطي أو بقائمة أو بكلمة دلالة. الكيانات المكتشفة بكلمة دلالة أضعف ثقة لأن حدود الاسم تُقدَّر تقديراً.
نميّز دائماً بين الخوارزميات التقليدية والأساليب المعتمدة على مورد لغوي والنماذج المدرَّبة. الأدوات في هذه الصفحة تقليدية أو معجمية، أما النماذج المدرَّبة فمشروحة هنا ولا تعمل إلا عبر محرك خارجي يفعّله مدير الموقع.
لا يكتشف هذا الوضع اسم شخص دون لقب أو صيغة نسب (بن/بنت) إلا إذا كان في القائمة. حدود الكيانات بكلمة الدلالة قد تطول أو تقصر. لا يوجد نموذج إحصائي مدرب في الوضع الافتراضي.
نتائج هذه الأداة تعليمية: تُظهر كيف تعمل الخوارزمية خطوة خطوة، ولا تُعرض بوصفها نتائج علمية مؤكدة.
الفئات الكلاسيكية من مهمة CoNLL-2003: PER (شخص)، LOC (مكان)، ORG (منظمة)، MISC (متفرقات). تضيف مخططات أخرى التاريخ والوقت والمال والنسبة، ومخطط OntoNotes يضم 18 فئة.
Tjong Kim Sang & De Meulder (2003)
استخراج أسماء الأشخاص والأماكن والمنظمات والتواريخ والأرقام والمبالغ من النص وتصنيفها. يستخدم في استخراج المعلومات والبحث وتحليل الأخبار.
ثلاث طرق تظهر منفصلة: التعابير النمطية (Regex) للتواريخ والأوقات والأرقام والروابط والبريد، والقوائم (Gazetteer) للأماكن والمنظمات المعروفة، وكلمات الدلالة (Trigger) مثل «الدكتور» قبل الاسم و«جامعة» قبل اسم المنظمة.
لأنه لا يحتوي نموذجاً مدرباً. يكتشف الأسماء فقط حين تسبقها كلمة دالة مثل «الدكتور» أو «الأستاذ» أو «السيد»، أو حين تكون في القوائم. النماذج المدربة مثل CAMeLBERT-NER تحتاج إلى محرك Python.
القواعد دقيقة في الأنماط الثابتة (التواريخ والبريد) لكنها لا تعمم. الإحصائي (CRF) والعصبي (BiLSTM-CRF وBERT) يتعلم من أمثلة موسومة ويعمم إلى أسماء جديدة، لكنه يحتاج بيانات تدريب ونموذجاً.
طريقة لتمثيل حدود الكيانات: B بداية كيان، وI داخل الكيان، وO خارج أي كيان. مثل: جامعة/B-ORG بغداد/I-ORG تأسست/O.
غياب الحروف الكبيرة، والتصاق السوابق بالأسماء (وبغداد، لبغداد)، وكون كثير من الأسماء صفات أو كلمات عامة (كريم، أمل، سعيد)، وتعدد كتابة الأسماء الأجنبية.
نعم، تُجرد السوابق الشائعة (و، ف، ب، ل، ك، ال) قبل المطابقة مع القوائم، ويظهر في النتيجة أن الكيان التُقط بعد فصل السابقة.
التواريخ بالأرقام (مثل 2024/05/12)، وأسماء الأشهر الميلادية والسريانية مع السنة، وأيام الأسبوع، والأوقات مثل «الساعة 10:30»، والتعابير مثل «عام 2023».
بمقاييس Precision وRecall وF1 على مستوى الكيان الكامل، أي أن يتطابق النوع والحدود معاً. هذا معيار CoNLL الشائع.
نعم، من لوحة الإدارة في «المعاجم» تحت نوع gazetteer، مع تحديد الفئة (مكان، منظمة، شخص).
MISC فئة لكيانات لا تندرج تحت شخص أو مكان أو منظمة، مثل الأحداث والجنسيات وأسماء الأعمال الفنية. المختبر لا يستخدمها في القواعد الافتراضية.
حمّل مثال «خبر قصير» وشغّل كل طريقة منفردة. أي كيان التقطته كل طريقة؟
التبديل بين الطرق في الإعدادات.
الأنماط: التاريخ والوقت. القوائم: بغداد (ضمن جامعة بغداد إن وُجدت في القائمة). الكلمات الدالة: «الدكتور أحمد الساعدي» شخصاً، و«جامعة بغداد» منظمة.
ضع وسوم BIO لـ «زار أحمد جامعة بغداد أمس».
الكيان متعدد الكلمات يبدأ بـ B ثم I.
زار/O أحمد/B-PER جامعة/B-ORG بغداد/I-ORG أمس/O
نظام استخرج 8 كيانات، منها 6 صحيحة، والكيانات الصحيحة في النص 10. احسب P وR وF1.
F1 = 2PR/(P+R).
P = 6/8 = 0.75، R = 6/10 = 0.60، F1 = 2×0.75×0.60/1.35 ≈ 0.667.
اكتب «سافرنا لبغداد وبالبصرة» وتحقق: هل التقطت الأداة المدينتين؟
ابحث عن ملاحظة «بعد فصل السابقة».
نعم، تُجرد اللام والواو والباء قبل المطابقة مع القائمة.
اذكر ثلاث حالات يفشل فيها NER القاعدي ويُتوقع أن ينجح فيها نموذج مدرب.
فكّر في الأسماء الجديدة.
اسم شخص بلا لقب قبله، منظمة جديدة غير مدرجة في القوائم، اسم مكان يُستخدم كاسم شخص (مثل «بغداد» اسماً لشخص).
ابحث عن مجموعتي بيانات NER عربيتين، واذكر الفئات التي تغطيها كل منهما ورخصتها.
ANERcorp وغيرها.
من الأمثلة ANERcorp (Benajiba وزملاؤه) بفئات PER وLOC وORG وMISC، وWojoodNER بفئات أكثر. تحقق من الرخصة من المصدر الرسمي لكل منهما.
اكتب نصاً فيه تاريخ ووقت وبريد ورابط ونسبة مئوية، وشغّل طريقة الأنماط فقط. هل التُقطت كلها؟
الأنماط لا تحتاج قوائم.
يجب أن تُلتقط كلها لأنها ذات صيغ ثابتة؛ أي فشل يدل على صيغة غير مدعومة.
الأقسام
لا يوجد قسم بهذا الاسم. اضغط «بحث» للبحث في محتوى الموقع كله.
المفضلة
نتائجي وشهاداتي
تقدّمي في الأكاديميةنتائج اختباراتيتقدّم الأطفالشهادات الأكاديميةشهادات الاختباراتابدأ أي درس أو اختبار وسيظهر هنا لتعود إليه بسرعة.
الإعدادات
أنا مساعد مختبر معالجة اللغة الطبيعية. اسألني عن مفهوم أو خوارزمية أو كلمة لهجية، وسأجيبك من قاعدة معرفة المختبر مع ذكر المصادر.
يجيب من قاعدة معرفة المختبر فقط، دون نموذج لغوي خارجي ودون إرسال سؤالك إلى أي جهة.
قد يخطئ المساعد أحياناً، فراجع المصادر المرفقة.