Sesión 17 de Julio AWS III¶

Extracción de información¶

¿Que tipo de información se extrae?

Entidades: Son partes del texto con significado: Personas, requerimientos, compañías, fechas, etc
Los textos tienen frases comunes que se deberían categorizar
De los textos podemos extraer entidades conocidas (que se ha definido a partir de preguntas)

¿Que utilidad tiene?

Extraer información relevante de textos
Identificar partes del texto con significado
Identificar relaciones dentro del texto
Aplicaciones prácticas:
- Etiquetado de noticias Esto es util para facilitar busquedas
```
<meta name="keywords" content="armed forces, brand safety-nsf crime, brand safety-nsf discrimination, brand safety-nsf mature, brand safety-nsf/>
```
- Identificar temas en textos: CMS: Joomla, Drupal, Wordpress, Salesforce: Los textos se suelen etiquetar (tags) para facilitar búsquedas, hay módulos que se pueden instalar que hacen PLN y etiquetan automáticamente

Tipos de extracción de información¶

¿Que se busca?

Es extraer información relevante de los textos e identificar que son: personas, compañías, fechas, eventos, ubicaciones, etc.

Extracción de frases clave (Key phrase extraction KPE)

Extraer palabras útiles para capturar el contexto general
Es un proceso de aprendizaje no supervisado
Se mapean las palabras en un grafo con pesos y se determina:
- Pesos: Indicadores de la importancia de la palabra
- Que tan conectada esta una palabra: Indicador de importancia
Algotimos TF-IDF, KeyBERT

Reconocimiento de entidades nombradas (Named Entity Recgnition NER)

Identificar nombres, ubicaciones, organizaciones, fechas y nombres de productos
Encontrar relaciones entre las entidades en contextos como evento
Se usan algoritmos como spaCy y BERT

Desambiguación de entidades nombradas (Named entity disambiguation NED)

Identificar entidades únicas en el texto (es decir eliminar ambigüedades)
Junto a NER se especifican relaciones en la base de conocimiento (grafo)

Extracción de relaciones

Identificar como dos entidades se relacionan, ejemplo Bill Gates: Persona Microsoft: Empresa ¿Relación? Bill Gates es uno de los fundadores de Microsoft

Extracción de eventos

Identificación de entidades nombradas
Extracción de relaciones: Persona o compañia, evento, fecha, ubicación.