التعرف على الكيانات المسماة

Named Entity Recognition Lab

استخرج الأشخاص والأماكن والمؤسسات والتواريخ والأوقات والمبالغ والنسب من النص، مع بيان طريقة اكتشاف كل كيان.

ما هذه الوحدة؟

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.

الأداة: التعرف على الكيانات المسماة

يعمل في متصفحك (JavaScript) — لا يُرسل نصك إلى أي جهة
الإعدادات

كيف تعمل الأداة؟

  • التواريخ والأوقات والمبالغ والنسب والأعداد: تعابير نمطية تعرف أسماء الأشهر السريانية والميلادية والهجرية وأيام الأسبوع والعملات العربية الشائعة.
  • الأماكن والمؤسسات والأشخاص المعروفون: قوائم من قاعدة البيانات.
  • المؤسسات والأشخاص غير المعروفين: كلمة رأس (جامعة، وزارة...) أو لقب (الدكتور، السيد...) متبوع بكلمة أو أكثر.
  • الأسماء بصيغة النسب: «فلان بن فلان» و«فلانة بنت فلان».
  • عند التداخل يُفضَّل المقطع الأطول ثم النوع الأدق.

كيف تقرأ النتائج؟

عمود «الطريقة» يميز ما اكتُشف بتعبير نمطي أو بقائمة أو بكلمة دلالة. الكيانات المكتشفة بكلمة دلالة أضعف ثقة لأن حدود الاسم تُقدَّر تقديراً.

الخوارزميات والأساليب

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.

القيود وحدود الدقة

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.

من قاعدة المعرفة

مفهوم

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)

أسئلة شائعة

ما التعرف على الكيانات المسماة (NER)؟

استخراج أسماء الأشخاص والأماكن والمنظمات والتواريخ والأرقام والمبالغ من النص وتصنيفها. يستخدم في استخراج المعلومات والبحث وتحليل الأخبار.

ما طرق NER في المختبر؟

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.

لماذا لا يكتشف المختبر كل أسماء الأشخاص؟

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.

ما الفرق بين NER بالقواعد وNER الإحصائي؟

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.

ما نظام وسم BIO؟

طريقة لتمثيل حدود الكيانات: B بداية كيان، وI داخل الكيان، وO خارج أي كيان. مثل: جامعة/B-ORG بغداد/I-ORG تأسست/O.

ما صعوبات NER في العربية؟

غياب الحروف الكبيرة، والتصاق السوابق بالأسماء (وبغداد، لبغداد)، وكون كثير من الأسماء صفات أو كلمات عامة (كريم، أمل، سعيد)، وتعدد كتابة الأسماء الأجنبية.

هل يتعرف المختبر على «لبغداد» و«وبغداد»؟

نعم، تُجرد السوابق الشائعة (و، ف، ب، ل، ك، ال) قبل المطابقة مع القوائم، ويظهر في النتيجة أن الكيان التُقط بعد فصل السابقة.

ما الكيانات الزمنية التي يكتشفها المختبر؟

التواريخ بالأرقام (مثل 2024/05/12)، وأسماء الأشهر الميلادية والسريانية مع السنة، وأيام الأسبوع، والأوقات مثل «الساعة 10:30»، والتعابير مثل «عام 2023».

كيف أقيّم نظام NER؟

بمقاييس Precision وRecall وF1 على مستوى الكيان الكامل، أي أن يتطابق النوع والحدود معاً. هذا معيار CoNLL الشائع.

هل يمكن إضافة أسماء جديدة إلى القوائم؟

نعم، من لوحة الإدارة في «المعاجم» تحت نوع gazetteer، مع تحديد الفئة (مكان، منظمة، شخص).

ما الفرق بين MISC وغيرها من الفئات؟

MISC فئة لكيانات لا تندرج تحت شخص أو مكان أو منظمة، مثل الأحداث والجنسيات وأسماء الأعمال الفنية. المختبر لا يستخدمها في القواعد الافتراضية.

تمارين وتحديات

مبتدئ تطبيق في المختبر

الطرق الثلاث

حمّل مثال «خبر قصير» وشغّل كل طريقة منفردة. أي كيان التقطته كل طريقة؟

تلميح

التبديل بين الطرق في الإعدادات.

إظهار الحل

الأنماط: التاريخ والوقت. القوائم: بغداد (ضمن جامعة بغداد إن وُجدت في القائمة). الكلمات الدالة: «الدكتور أحمد الساعدي» شخصاً، و«جامعة بغداد» منظمة.

مبتدئ حساب يدوي

وسم BIO

ضع وسوم BIO لـ «زار أحمد جامعة بغداد أمس».

تلميح

الكيان متعدد الكلمات يبدأ بـ B ثم I.

إظهار الحل

زار/O أحمد/B-PER جامعة/B-ORG بغداد/I-ORG أمس/O

متوسط حساب يدوي

حساب F1

نظام استخرج 8 كيانات، منها 6 صحيحة، والكيانات الصحيحة في النص 10. احسب P وR وF1.

تلميح

F1 = 2PR/(P+R).

إظهار الحل

P = 6/8 = 0.75، R = 6/10 = 0.60، F1 = 2×0.75×0.60/1.35 ≈ 0.667.

متوسط تطبيق في المختبر

السوابق الملتصقة

اكتب «سافرنا لبغداد وبالبصرة» وتحقق: هل التقطت الأداة المدينتين؟

تلميح

ابحث عن ملاحظة «بعد فصل السابقة».

إظهار الحل

نعم، تُجرد اللام والواو والباء قبل المطابقة مع القائمة.

متقدم سؤال مفاهيمي

حدود القواعد

اذكر ثلاث حالات يفشل فيها NER القاعدي ويُتوقع أن ينجح فيها نموذج مدرب.

تلميح

فكّر في الأسماء الجديدة.

إظهار الحل

اسم شخص بلا لقب قبله، منظمة جديدة غير مدرجة في القوائم، اسم مكان يُستخدم كاسم شخص (مثل «بغداد» اسماً لشخص).

متقدم تحدٍّ بحثي

بيانات NER العربية

ابحث عن مجموعتي بيانات NER عربيتين، واذكر الفئات التي تغطيها كل منهما ورخصتها.

تلميح

ANERcorp وغيرها.

إظهار الحل

من الأمثلة ANERcorp (Benajiba وزملاؤه) بفئات PER وLOC وORG وMISC، وWojoodNER بفئات أكثر. تحقق من الرخصة من المصدر الرسمي لكل منهما.

مبتدئ تطبيق في المختبر

الأنماط فقط

اكتب نصاً فيه تاريخ ووقت وبريد ورابط ونسبة مئوية، وشغّل طريقة الأنماط فقط. هل التُقطت كلها؟

تلميح

الأنماط لا تحتاج قوائم.

إظهار الحل

يجب أن تُلتقط كلها لأنها ذات صيغ ثابتة؛ أي فشل يدل على صيغة غير مدعومة.

أقسام ذات صلة في الموقع