أسماء يستخرجها المساعد: هل ثلاث إشارات تعني ثلاثة كيانات؟

الخلاصة السريعة

عد مرات الذكر ومعرفات الكيانات المتميزة على حدة؛ في مثالنا ثلاث إشارات مرتبطة صراحة بمعرفين، ولا نستنتج هذا الربط من الاسم أو الفئة وحدهما.

• يحدد EntityRecognizer في spaCy مقاطع مسماة غير متداخلة، بينما يربط EntityLinker الذكر بمعرف من قاعدة معرفة وفق المرشحين والسياق. ^{[1] [2]}
• نقدم الروابط صراحة هـ7 و هـ7 و هـ9 للمقاطع الثلاثة؛ توجد ثلاث إشارات وثلاث خانات ربط، لكن معرفين متميزين فقط.
• دون الروابط لا نحسم عدد الكيانات من الاسم أو الفئة وحدهما؛ عد الإشارات لا يثبت عدد الجهات المختلفة ولا يحول كل ذكر إلى زيارة.
• راجع كل موضع وفئته ومعرفه وسند الربط منفصلة؛ خطأ حدود أو ربط قد يغير العدد، والمعرف لا يثبت وقوع نشاط أو هوية رسمية.

ماذا يعني التعرف على الاسم؟

يصف spaCy مكون EntityRecognizer بأنه يحدد مقاطع ذات تسميات غير متداخلة، ويحفظها في Doc.ents. هذا وصف لهذا المكون، ولا يضمن دقة كل حد أو صلاحية المكون لكل مسألة مقاطع. ^[1]

نكتب نصا افتراضيا: «زار الفريق دار الورق. أرسل رسالة إلى دار الورق. ثم اتصل بنادي الرسم». نعلن أن المقاطع الثلاثة أسماء جهات وفق تمريننا. يوجد ذكران لدار الورق وذكر واحد لنادي الرسم، أي ثلاثة مواضع نصية. هذا وسم يدوي مقترح، وليس ناتج تعرف آلي أو قائمة جهات تحققنا منها.

ما الذي يضيفه ربط الكيانات؟

تشرح الوثيقة أن EntityLinker يزيل لبس الذكر المسجل ويربطه بمعرف فريد، باستخدام قاعدة معرفة ومرشحين وسياق محلي. وتحفظ توقعاته كمعرفات، لا مجرد فئات للذكر. ^[2]

نقدم إلى جانب النص روابط ورقية صريحة: الذكر الأول لدار الورق مرتبط بـ هـ7، والثاني بـ هـ7 أيضا، وذكر نادي الرسم مرتبط بـ هـ9. هذه الروابط من فرض المثال وليست نتيجة استنتجناها من الأسماء. توجد ثلاث إشارات وثلاث خانات ربط، لكن معرفين متميزين فقط.

كيف نحسب الوحدتين دون افتراض الروابط؟

إذا كان السؤال كم مرة ذكرت أسماء الجهات في نصنا، نعد المقاطع الثلاثة دون حذف الذكر المتكرر. وإذا كان السؤال كم كيان مختلف تمثله الروابط المقدمة، نعد هـ7 مرة واحدة و هـ9 مرة واحدة. تكرر هـ7 لا ينشئ كيانين في العقد الذي أعلناه.

أما إن وصل النص دون روابط الهوية، فلا تكفي الفئة «جهة» لحسم عدد الكيانات المتميزة. تشابه الاسم قد يخص جهتين، واختلاف اسمين قد يكون اسمين لجهة واحدة. لا نختار عدد الكلمات المختلفة بوصفه عدد المعرفات. كذلك لا نحول ثلاثة مواضع إلى ثلاث زيارات؛ واحد منها إرسال رسالة وآخر اتصال في نص المثال.

كيف نفحص الناتج دون خلط الحقول؟

نقترح بطاقة مراجعة تضم العبارة الأصلية وموضعها وفئتها، ثم المعرف المرتبط وسند الربط إن توفرا. فصل دار عن الورق على نحو يخالف حدود الاسم يغير قائمة المقاطع؛ إسناد الذكر الثاني إلى معرف آخر يغير عد الكيانات. نجاح واحد من الحقلين لا يصحح الآخر.

إذا سأل القارئ عن الجهات التي زارها الفريق، نعود إلى الفعل في النص؛ وجود اسم نادي الرسم لا يثبت زيارة له. ولا يحول المعرف إلى شهادة هوية رسمية أو نجاح إرسال. لم نختبر المكون بالعربية أو نقس دقة قاعدة؛ المثال يفصل وحدات العد مع روابط معلنة بدلا من تقديم عدد المقاطع كعدد جهات موثق.