Entitätenerkennung

Entitätenerkennung, auch bekannt als Named Entity Recognition (NER), ist eine Aufgabe der natürlichen Sprachverarbeitung (NLP), bei der Textpassagen identifiziert und als Entitäten kategorisiert werden. Typische Kategorien umfassen Personen, Organisationen, Orte, Datum/Zeit, Mengen, Werke und Produktbezeichnungen. Das Ziel ist die Extraktion strukturierter Informationen aus unstrukturiertem Text.

Methoden reichen von regelbasierten Ansätzen über statistische Modelle bis zu modernen neuronalen Netzwerken. Früher setzten Systeme auf handcodierte Muster, heute dominieren Transformer-basierte Modelle (etwa BERT) mit domänenspezifischer Feinabstimmung. Für Deutsch kommen spezialisierte Modelle oder multilingualer Ansätze zum Einsatz. Das Training erfolgt auf annotierten Korpora wie GermEval-Datensätzen und weiteren Benchmark-Datensätzen.

Auswertung erfolgt üblicherweise anhand von Präzision, Recall und F1-Score. Anwendungsgebiete umfassen automatisierte Informationsextraktion, Frage-Antwort-Systeme, Textzusammenfassungen, Suchmaschinen und die Erstellung von Wissensgraphen. Häufig wird NER zusätzlich mit Entitätsverankerung (Entity Linking) kombiniert, um erkannte Entitäten mit Wissensbasen zu verbinden.

Herausforderungen bestehen in Mehrdeutigkeit und kontextabhängiger Zuordnung, verschachtelten Entitäten, Domain- und Sprachwechseln sowie begrenzten Annotationen für Spezialdomänen. Weitere Schwierigkeiten ergeben sich durch unvollständige Groß-/Kleinschreibung, Tokenisierungsprobleme und mehrsprachige Texte.