NER TEXNOLOGIYASINING MATN TAHLILIDAGI AHAMIYATI
Ключевые слова:
Oбработка естественного языка (NLP), глубокое обучение, вложенные сущности, разметка последовательностей, морфологическая сложность, извлечение информации.Аннотация
В данной статье подробно освещены теоретические основы технологии распознавания именованных сущностей (NER – Named Entity Recognition), её практическое применение и необходимость адаптации для узбекского языка. В статье с примерами показаны преимущества применения NER в различных прикладных областях — мониторинге новостей, системах вопросов и ответов, анализе социальных сетей, а также при работе с специализированными текстами (медицинскими, юридическими). Особое внимание уделено тому, что морфологическая сложность узбекского языка и свобода в порядке слов требуют специально адаптированных, основанных на глубоком обучении подходов.
Библиографические ссылки
1. Abdurakhmonova, N., Barakhnin, V., Mengliev, D., & Eshkulov, M. (2024). Developing named entity recognition algorithms for Uzbek: Dataset insights and implementation. Data in Brief.
2. Abdurakhmonova, N., Mengliev, D., Barakhnin, V., Eshkulov, M., & Palvanov, B. (2023). Dictionary-based medical text analysis in Uzbek: overcoming the low-resource challenge. Proceedings of the 2023 IEEE Ural-Siberian Conference on Computational Technologies (USCCT).
3. Abrosimov K.I., Mosyagina A.G. Sodner for Russian nested named entity recognition // Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference "Dialogue". 2002. Issue 21.
4. Andrew Borthwick. 1999. A Maximum Entropy Approach to Named Entity Recognition. PhD thesis, New York University.
5. Grishman, R., and Sundheim, B. 1996. Message understanding conference-6: a brief history. In Proceedings of the 16th Conference on Association for Computational Linguistics, pp. 466–71.
6. Kripke, S. 1982. Naming and Necessity. Boston: Harvard University Press.
7. Turian, J., Ratinov, L., & Bengio, Y. (2010). "Word Representations: A Simple and General Method for Semi-Supervised Learning."
