Named Entity Recognition (NER) adalah bagian dari teknologi ekstraksi informasi yang digunakan untuk mengidentifikasi dan mengklasifikasikan elemen penting dalam teks, seperti orang, lokasi, organisasi, dan produk. Hal ini terutama digunakan dalam aplikasi pemrosesan bahasa alami seperti analisis sentimen, sistem tanya jawab, dan pengambilan informasi. Tujuan NER adalah untuk secara akurat mengidentifikasi dan mengkategorikan entitas dalam teks tidak terstruktur ke dalam kelas yang telah ditentukan, seperti nama orang, organisasi, lokasi, kode medis, dan nama produk.
NER adalah tugas yang menantang karena kerumitan dalam menyusun leksikon, menangani gaya penulisan yang beragam, dan mengenali berbagai tipe entitas sekaligus. Untuk mengidentifikasi entitas bernama secara akurat, perlu menerapkan serangkaian algoritma. Langkah pertama melibatkan penggunaan teknik pemrosesan bahasa alami untuk mendeteksi keberadaan suatu entitas dalam teks. Setelah entitas diidentifikasi, sistem kemudian mengklasifikasikannya ke dalam kategori tertentu.
Tugas NER juga merupakan bidang penelitian aktif di bidang linguistik dan kecerdasan buatan. Para peneliti menggunakan pendekatan pembelajaran yang diawasi seperti jaringan saraf, dan teknik pembelajaran mesin lainnya untuk membangun sistem NER yang akurat.
Saat ini, sistem NER digunakan di berbagai bidang aplikasi seperti layanan medis, mesin pencari, dan dokumen hukum. Tujuan NER adalah untuk meningkatkan otomatisasi proses ekstraksi informasi dari teks tidak terstruktur, sehingga memungkinkan manusia untuk fokus pada tugas lain. Seiring dengan kemajuan teknologi, prospek NER menjadi lebih akurat dan berguna dalam berbagai tugas terlihat lebih cerah di masa depan.
