Kỹ thuật 'Named Entity Recognition' (NER) trong NLP nhằm mục đích gì?

Tách từ (Tokenization).

Chuẩn hóa văn bản (Normalization).

Phân tích cảm xúc (Sentiment Analysis).

Loại bỏ stop words.

Các từ mang ý nghĩa quan trọng nhất trong văn bản.

Các từ phổ biến, ít mang lại thông tin ngữ nghĩa trong nhiều ngữ cảnh, và thường được loại bỏ.

Các từ khóa được sử dụng để tìm kiếm thông tin.

Các từ mới xuất hiện gần đây trong ngôn ngữ.

Biểu diễn văn bản dưới dạng đồ thị.

Lưu trữ và quản lý thông tin dưới dạng các thực thể và mối quan hệ giữa chúng, hỗ trợ suy luận và trả lời câu hỏi.

Phân tích mạng xã hội.

Trực quan hóa dữ liệu văn bản.

Phân tích cấu trúc ngữ pháp của câu.

Tìm ra các thực thể có tên riêng trong văn bản.

Chuẩn hóa các từ về dạng gốc của chúng.

Đếm tần suất xuất hiện của các từ trong văn bản.

Số lượng từ vựng ít hơn.

Ngữ pháp đơn giản hơn.

Tính đa dạng về phương ngữ và cách diễn đạt vùng miền.

Ít tài liệu và nguồn dữ liệu huấn luyện hơn.

Dịch máy (Machine Translation).

Nhận dạng khuôn mặt (Facial Recognition).

Phân tích cảm xúc văn bản (Sentiment Analysis).

Trợ lý ảo (Chatbot).

Khả năng xử lý song song dữ liệu.

Khả năng ghi nhớ thông tin từ các bước xử lý trước đó trong chuỗi dữ liệu tuần tự.

Yêu cầu ít dữ liệu huấn luyện hơn.

Khả năng xử lý dữ liệu phi cấu trúc tốt hơn.