Named entity recognition, of NER, is een techniek die tekst doorleest, specifieke zaken eruit pikt en die per type labelt. Het ziet dat “Maria Jansen” een persoon is, “Rotterdam” een plaats, en “12 maart” een datum, zonder dat iemand ze van tevoren heeft gemarkeerd.
Stel je voor dat je een assistent een stapel contracten en een markeerstift geeft en zegt: “kleur elk bedrijf geel, elke datum groen, elk bedrag roze.” NER doet precies dat, automatisch, over duizenden documenten heen. Het is een basisbouwsteen van natural language processing, en het zit dicht tegen de bredere entiteitsextractie aan, die gestructureerde feiten uit ongestructureerde tekst haalt.
Het is belangrijk omdat de meeste nuttige informatie verstopt zit in gewone tekst. Een mail noemt soms een klant, een ordernummer en een deadline in één zin. NER maakt van die losse zin nette velden waar je systemen iets mee kunnen, zoals het ordernummer direct in je trackingtool zetten.
Maar het is geen toverij. Een model dat op nieuwsartikelen is getraind struikelt over medische of juridische tekst, waar de entiteiten en afkortingen er heel anders uitzien. Hetzelfde woord kan in de verkeerde context het verkeerde type krijgen, en één gemiste partij in een contract kan de hele automatisering verderop laten breken. De nauwkeurigheid hangt dus af van of het model voorbeelden heeft gezien die op jouw echte documenten lijken, en daarom verdient een snelle menselijke check op de eerste batch zich meestal terug. Combineer NER met tekstclassificatie en je sorteert een document én haalt de kerngegevens eruit in één keer.
Bij TopDevs gebruiken we NER om de mails, contracten en formulieren van een klant om te zetten in schone gestructureerde data, zodat de belangrijke gegevens hun systemen in stromen in plaats van met de hand te worden overgetypt.
