Named Entity Recognition (NER) Elisabeth Eder Projektleitung Helmut W. Klug Datenmodellierung Selina Galka Datenmodellierung Elisabeth Steiner Bundesministerium für Wissenschaft, Forschung und Wirtschaft Zentrum für Informationsmodellierung - Austrian Centre for Digital Humanities, Karl-Franzens-Universität Graz Austria Zentrum für Informationsmodellierung - Austrian Centre for Digital Humanities, Karl-Franzens-Universität Graz Austria GAMS - Geisteswissenschaftliches Asset Management System Creative Commons BY 4.0 2021 Graz o:konde.141 KONDE Weißbuch Projektleitung Helmut W. Klug Weißbuchartikel: Named Entity Recognition (NER) Elisabeth Eder Herausgegeben von Helmut W. Klug unter Mitarbeit von Selina Galka und Elisabeth Steiner 2021 Austria KONDE Weißbuch

Im KONDE-Projekt, das aus Hochschulraumstrukturmitteln finanziert wird, beschäftigten sich sieben universitäre Partner und drei weitere Einrichtungen aus unterschiedlichen Blickwinkeln mit theoretischen und praktischen Aspekten der Digitalen Edition. Ein Outcome des Projektes stellt das Weißbuch dar, welches über 200 Artikel zum Thema Digitale Edition umfasst. Die behandelten Themenkomplexe reichen dabei über Digitale Editionswissenschaft im Allgemeinen, Annotation und Modellierung, Interfaces, Archivierung und Metadaten bis hin zu rechtlichen Aspekten.

 Deutsch
Named Entity Recognition (NER)
Eder, Elisabeth; elisabeth.eder@aau.at

Named Entity Recognition (NER) bezeichnet die Erkennung von Eigennamen (named entities) in Texten sowie auch deren Klassifizierung in verschiedene Entitätstypen. In den meisten Fällen wird Named Entity Recognition als Sequence Tagging- oder Sequence Labeling-Aufgabe aufgefasst, bei der jedem Token einer Sequenz eine bestimmte Kategorie bzw. ein bestimmter Entitätstyp zugewiesen wird (siehe auch Part-of-Speech-Tagging ). Standardmäßig zählen Personen, Orte und Organisationen zu diesen Entitätstypen. Je nach Anwendungsfall werden aber auch andere Kategorien, wie zum Beispiel kommerzielle Produktnamen, Werktitel oder Fahrzeuge, berücksichtigt. (Jurafsky/Martin 2009, S. 761–768) Im Deutschen können auch Derivative (z  B. ‘österreichisch’) und partielle Entitäten, die nur einen Teil eines Token betreffen (z. B. KONDE-Beitrag), eine Rolle spielen und dementsprechende Unterkategorien bilden. (Benikova et al. 2014) Named Entity Recognition ist in vielen Libraries für NLP implementiert, z. B. spaCy oder Natural Language Toolkit (nltk), und auch WebLicht bietet Tools dafür an.

Contextual String Embeddings for Sequence Labeling Alan Akbik Duncan Blythe Roland Vollgraf Proceedings of the 27th International Conference on Computational Linguistics COLING Santa Fe, New Mexico, USA 1638–1649 Association for Computational Linguistics 2018 https://www.aclweb.org/anthology/C18-1139 NoSta-D Named Entity Annotation for German: Guidelines and Dataset Darina Benikova Chris Biemann Marc Reznicek Proceedings of 9th International Conference on Language Resources and Evaluation (LREC '14) LREC Reykjavik, Iceland 2524–2531 European Language Resources Association (ELRA) 2014 http://www.lrec-conf.org/proceedings/lrec2014/pdf/276_Paper.pdf GermaNER: Free Open German Named Entity Recognition Tool Darina Benikova Seid Muhie Yimam Prabhakaran Santhanam Chris Biemann Proceedings of the International Conference of the German Society for Computational Linguistics and Language Technology GSCL 2015 https://pdfs.semanticscholar.org/b250/3144ed2152830f6c64a9f797ab3c5a34fee5.pdf NeuroNER: an easy-to-use program for named-entity recognition based on neural networks 10.18653/v1/D17-2017 Franck Dernoncourt Ji Young Lee Peter Szolovits Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing: System Demonstrations EMNLP Copenhagen, Denmark 97–102 Association for Computational Linguistics 2017 https://www.aclweb.org/anthology/D17-2017 Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition 978-0-13-187321-6 Daniel Jurafsky James H. Martin 2 Upper Saddle River, New Jersey, United States of America Pearson Education 2009 A Named Entity Recognition Shootout for German 10.18653/v1/P18-2020 Martin Riedl Sebastian Padó Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers) ACL Melbourne, Australia 120–125 Association for Computational Linguistics 2018 https://www.aclweb.org/anthology/P18-2020
weblicht Natural Language Toolkit (nltk) flair German NER GermaNER NeuroNER
spaCy WebLicht Part-of-Speech-Tagging NLP Tagger
Natural Language Toolkit
Annotation und Modellierung Natural Language Processing