產品介紹

文件內實體命名(NER)

文件內實體命名(Named Entity Recognition;NER),又可稱為專有名詞識別、命名實體,用來識別文字內具有意義的文字,如人名、地名、專由名詞、機構名…等,也包含對詞性的標注(Part of Speech tag;POS-tag),好讓機器可以理解文章內容.
與過往採用的Rule Based不同的是,Rule Based需要知道規則,但文章中或是大量網路爬文下來的資訊無法透過Rule Based窮舉,且通常這些資訊都是非結構化的文件,這時就可以利用AI與NLP技術進行實體命名取出關鍵字句.

在金融業可以分析黑名單嫌疑人在RegTech應用、而客服部分依據客戶留言進行情緒分析,協助客服人員進行客戶關懷,以及法律業的LegalTech應用協助律師與法官分析法律文件.

這些行業都在用

民調問卷
產壽險業

透過理解醫囑資訊,將醫囑內的急診日期,手術名稱…等資訊抽取出來,進行自動化理賠.

銀行證券金融業
網路民調​

將網路爬文資訊內的人物名稱定義出來,定義出政治人物、演藝人員…等姓名資訊,進而進行民調分析.

產壽險
金融業

透過NER定義出相關人名,再透過知識圖譜技術追蹤各人名關係,進而描繪出關係圖,可利於反洗錢追蹤(Anti-Money Laundering;AML)、KYC(Know Your Custumer)與犯罪追蹤.