AI-For-Beginners/translations/th/lessons/5-NLP/19-NER

การรู้จำชื่อเอนทิตี

จนถึงตอนนี้ เราได้มุ่งเน้นไปที่งาน NLP อย่างหนึ่งเป็นหลัก นั่นคือการจัดประเภท อย่างไรก็ตาม ยังมีงาน NLP อื่นๆ ที่สามารถทำได้ด้วยเครือข่ายประสาทเทียม หนึ่งในงานเหล่านั้นคือ การรู้จำชื่อเอนทิตี (NER) ซึ่งเกี่ยวข้องกับการระบุเอนทิตีเฉพาะในข้อความ เช่น สถานที่ ชื่อบุคคล ช่วงเวลา สูตรเคมี และอื่นๆ

แบบทดสอบก่อนเรียน

ตัวอย่างการใช้ NER

สมมติว่าคุณต้องการพัฒนาช่องสนทนาภาษาธรรมชาติ เช่น Amazon Alexa หรือ Google Assistant วิธีการทำงานของช่องสนทนาอัจฉริยะคือการ เข้าใจ สิ่งที่ผู้ใช้ต้องการโดยการจัดประเภทข้อความในประโยคที่ป้อน ผลลัพธ์ของการจัดประเภทนี้เรียกว่า เจตนา ซึ่งกำหนดสิ่งที่ช่องสนทนาควรทำ

ภาพโดยผู้เขียน

อย่างไรก็ตาม ผู้ใช้อาจให้พารามิเตอร์บางอย่างเป็นส่วนหนึ่งของวลี ตัวอย่างเช่น เมื่อถามเกี่ยวกับสภาพอากาศ ผู้ใช้อาจระบุสถานที่หรือวันที่ ช่องสนทนาควรสามารถเข้าใจเอนทิตีเหล่านั้น และเติมช่องพารามิเตอร์ให้ถูกต้องก่อนดำเนินการ นี่คือจุดที่ NER เข้ามามีบทบาท

✅ อีกตัวอย่างหนึ่งคือ การวิเคราะห์เอกสารทางการแพทย์เชิงวิทยาศาสตร์ สิ่งสำคัญที่เราต้องค้นหาคือคำศัพท์ทางการแพทย์เฉพาะ เช่น โรคและสารทางการแพทย์ แม้ว่าโรคจำนวนเล็กน้อยอาจถูกดึงออกมาโดยการค้นหาส่วนย่อยของข้อความ แต่เอนทิตีที่ซับซ้อนมากขึ้น เช่น สารประกอบเคมีและชื่อยาต้องการวิธีการที่ซับซ้อนกว่า

NER ในฐานะการจัดประเภทโทเค็น

โมเดล NER โดยพื้นฐานแล้วคือ โมเดลการจัดประเภทโทเค็น เพราะสำหรับแต่ละโทเค็นที่ป้อนเข้ามา เราต้องตัดสินใจว่าโทเค็นนั้นเป็นส่วนหนึ่งของเอนทิตีหรือไม่ และถ้าใช่ - เป็นเอนทิตีประเภทใด

ลองพิจารณาชื่อเอกสารต่อไปนี้:

Tricuspid valve regurgitation และ lithium carbonate toxicity ในทารกแรกเกิด

เอนทิตีในที่นี้คือ:

• Tricuspid valve regurgitation เป็นโรค (DIS)
• Lithium carbonate เป็นสารเคมี (CHEM)
• Toxicity ก็เป็นโรค (DIS)

สังเกตว่าเอนทิตีหนึ่งสามารถครอบคลุมหลายโทเค็น และในกรณีนี้ เราต้องแยกแยะระหว่างเอนทิตีสองตัวที่ต่อเนื่องกัน ดังนั้นจึงเป็นเรื่องปกติที่จะใช้สองคลาสสำหรับแต่ละเอนทิตี - หนึ่งคลาสระบุโทเค็นแรกของเอนทิตี (มักใช้คำนำหน้า B- สำหรับ beginning) และอีกคลาสสำหรับโทเค็นที่ต่อเนื่องของเอนทิตี (I- สำหรับ inner token) เราใช้ O เป็นคลาสเพื่อแทนโทเค็นอื่นๆ ทั้งหมด (other tokens) การแท็กโทเค็นแบบนี้เรียกว่า BIO tagging (หรือ IOB) เมื่อแท็กแล้ว ชื่อเอกสารของเราจะมีลักษณะดังนี้:

Token	Tag
Tricuspid	B-DIS
valve	I-DIS
regurgitation	I-DIS
and	O
lithium	B-CHEM
carbonate	I-CHEM
toxicity	B-DIS
in	O
a	O
newborn	O
infant	O
.	O

เนื่องจากเราต้องสร้างความสัมพันธ์แบบหนึ่งต่อหนึ่งระหว่างโทเค็นและคลาส เราสามารถฝึกโมเดลเครือข่ายประสาทเทียมแบบ many-to-many ที่เหมาะสมจากภาพนี้:

ภาพจาก บล็อกโพสต์นี้ โดย Andrej Karpathy โมเดลการจัดประเภทโทเค็น NER สอดคล้องกับสถาปัตยกรรมเครือข่ายที่อยู่ทางขวาสุดในภาพนี้

การฝึกโมเดล NER

เนื่องจากโมเดล NER โดยพื้นฐานแล้วคือโมเดลการจัดประเภทโทเค็น เราสามารถใช้ RNN ที่เราเคยเรียนรู้มาแล้วสำหรับงานนี้ ในกรณีนี้ แต่ละบล็อกของเครือข่าย recurrent จะคืนค่า ID ของโทเค็น ตัวอย่างโน้ตบุ๊กต่อไปนี้แสดงวิธีการฝึก LSTM สำหรับการจัดประเภทโทเค็น

✍️ ตัวอย่างโน้ตบุ๊ก: NER

เรียนรู้เพิ่มเติมในโน้ตบุ๊กต่อไปนี้:

• NER ด้วย TensorFlow

สรุป

โมเดล NER คือ โมเดลการจัดประเภทโทเค็น ซึ่งหมายความว่าสามารถใช้เพื่อทำการจัดประเภทโทเค็นได้ นี่เป็นงานที่พบได้บ่อยใน NLP ซึ่งช่วยในการระบุเอนทิตีเฉพาะในข้อความ เช่น สถานที่ ชื่อ วันที่ และอื่นๆ

🚀 ความท้าทาย

ทำแบบฝึกหัดที่ลิงก์ด้านล่างเพื่อฝึกโมเดลการรู้จำชื่อเอนทิตีสำหรับคำศัพท์ทางการแพทย์ จากนั้นลองใช้กับชุดข้อมูลอื่น

แบบทดสอบหลังเรียน

ทบทวนและศึกษาด้วยตนเอง

อ่านบล็อก The Unreasonable Effectiveness of Recurrent Neural Networks และติดตามส่วน Further Reading ในบทความนั้นเพื่อเพิ่มพูนความรู้ของคุณ

แบบฝึกหัด

ในแบบฝึกหัดสำหรับบทเรียนนี้ คุณจะต้องฝึกโมเดลการรู้จำเอนทิตีทางการแพทย์ คุณสามารถเริ่มต้นด้วยการฝึกโมเดล LSTM ตามที่อธิบายไว้ในบทเรียนนี้ และดำเนินการต่อด้วยการใช้โมเดล BERT transformer อ่าน คำแนะนำ เพื่อดูรายละเอียดทั้งหมด

---