Named Entity Recognition (NER)

Named Entity Recognition (NER) to technika przetwarzania języka naturalnego (NLP), której celem jest automatyczne wykrywanie w tekście nazw własnych (encji) oraz przypisywanie ich do z góry określonych kategorii. W praktyce NER identyfikuje m.in. osoby, organizacje, lokalizacje, daty, kwoty pieniężne czy nazwy produktów, aby tekst stał się „zrozumiały” dla systemów informatycznych i możliwy do dalszej analizy.

NER jest zwykle jednym z podstawowych etapów analizy tekstu w systemach informacyjnych i analitycznych. Działa na danych nieustrukturyzowanych (np. artykuły prasowe, raporty, e-maile, transkrypcje rozmów, wpisy w mediach społecznościowych) i przekształca je w dane częściowo ustrukturyzowane: zamiast ciągu słów otrzymujemy listę rozpoznanych encji wraz z ich typami i pozycją w tekście. Przykładowo w zdaniu „Apple ogłosiło wyniki za I kwartał 2026 r. w Nowym Jorku” system NER może oznaczyć „Apple” jako organizację, „I kwartał 2026 r.” jako czas, a „Nowy Jork” jako lokalizację.

W zastosowaniach biznesowych i ekonomicznych NER bywa wykorzystywane do budowy baz wiedzy, monitoringu informacji i automatyzacji pracy z dokumentami. W analizie rynkowej może wspierać śledzenie wzmianek o spółkach, markach i osobach (np. zarządach), w compliance i audycie pomaga wyłapywać nazwy podmiotów, jurysdykcje, numery dokumentów czy kwoty, a w obsłudze klienta ułatwia rozpoznawanie danych takich jak nazwy produktów, numery zamówień lub daty zdarzeń. W ekonomii i finansach NER jest często elementem większego procesu: po rozpoznaniu encji następuje ich normalizacja (np. sprowadzenie „USA”, „Stany Zjednoczone” i „United States” do jednego identyfikatora) oraz łączenie encji (entity linking) z konkretnymi rekordami w bazie (np. konkretną spółką notowaną na giełdzie).

Technicznie NER można realizować na różne sposoby: od metod regułowych (słowniki, wzorce, wyrażenia regularne) po modele statystyczne i uczenie maszynowe, w tym modele oparte na sieciach neuronowych. Kluczowym wyzwaniem jest wieloznaczność języka i kontekst: „Amazon” może oznaczać firmę lub rzekę, „Orange” może być marką, kolorem albo nazwą spółki, a „Warszawa” może wystąpić jako miejsce wydarzenia, siedziba firmy lub element nazwy instytucji. Jakość NER zależy więc od danych treningowych, definicji kategorii, języka i domeny (np. prawo, medycyna, finanse), a także od tego, czy system ma rozpoznawać encje w tekście formalnym (raporty) czy potocznym (media społecznościowe).

• Kluczowe właściwości
• Dwa zadania w jednym: NER obejmuje zarówno *detekcję granic encji* (które słowa tworzą nazwę), jak i *klasyfikację typu* (np. osoba, organizacja, lokalizacja, czas, kwota). Przykład: w „Bank Pekao S.A.” system powinien rozpoznać całą frazę jako jedną encję typu organizacja, a nie tylko „Pekao”.
• Zależność od kontekstu: poprawne rozpoznanie często wymaga informacji z otoczenia zdania. „Premier Tusk” sugeruje osobę, ale samo „Tusk” bez kontekstu może być nazwiskiem, nazwą projektu lub elementem tytułu.
• Domenowość i język: modele NER działają najlepiej, gdy są dostrojone do konkretnej dziedziny i języka. Teksty finansowe zawierają specyficzne skróty (np. „r/r”, „EBITDA”), formaty liczb i nazwy instytucji, które mogą wymagać osobnych kategorii.
• Wynik jako metadane: NER nie „rozumie” treści w sensie ludzkim; dostarcza metadane (co i gdzie w tekście występuje), które dopiero potem mogą zasilać wyszukiwarki, klasyfikatory, systemy raportowania czy analizy sentymentu.

• Typowe konteksty użycia
• Analiza informacji rynkowej i medialnej: identyfikacja spółek, indeksów, regulatorów, osób publicznych i miejsc w wiadomościach; np. wyodrębnienie „Rada Polityki Pieniężnej”, „NBP”, „inflacja CPI” jako elementów do dalszej analizy tematycznej.
• Automatyzacja pracy z dokumentami: ekstrakcja danych z umów, faktur, korespondencji i raportów (np. nazwa kontrahenta, data, kwota, waluta), co ułatwia indeksowanie i kontrolę kompletności dokumentacji.
• Budowa baz wiedzy i grafów powiązań: tworzenie relacji typu „osoba–organizacja”, „spółka–produkt”, „instytucja–lokalizacja” na podstawie tekstów; np. mapowanie, które podmioty są wymieniane razem w raportach branżowych.
• Wyszukiwanie i rekomendacje: poprawa trafności wyszukiwania dzięki rozpoznaniu, że „Orlen” to organizacja, a „Orlen w Płocku” łączy organizację z lokalizacją; umożliwia to filtrowanie wyników po typie encji.

• Częste nieporozumienia
• NER to nie to samo co „rozumienie tekstu”: rozpoznanie encji nie oznacza, że system poprawnie interpretuje relacje przyczynowo-skutkowe, intencje czy ocenę. Zdanie „X zaprzeczył, że przejął Y” zawiera encje, ale sens (zaprzeczenie) wymaga dodatkowych metod.
• NER ≠ entity linking (łączenie encji): NER wskazuje, że w tekście występuje „Apple” jako organizacja, ale nie rozstrzyga automatycznie, czy chodzi o Apple Inc., wydawnictwo o tej nazwie czy inną jednostkę; to osobny etap.
• „Wystarczy słownik nazw”: podejście słownikowe bywa użyteczne, lecz szybko zawodzi przy odmianie przez przypadki, literówkach, skrótach, nowych nazwach i wieloznaczności. W języku polskim dodatkową trudność stanowi fleksja (np. „w Warszawie”, „Warszawą”).
• Jedna uniwersalna lista kategorii: w praktyce kategorie encji dobiera się do celu. W finansach często potrzebne są typy takie jak *instrument finansowy*, *waluta*, *wskaźnik makroekonomiczny*, *organ regulacyjny* czy *spółka zależna*, których nie obejmuje prosta klasyfikacja „osoba–organizacja–lokalizacja”.