Quelle API NER (Named Entity Recognition) choisir pour votre projet ?

Dans cet article, nous allons voir comment intégrer facilement un moteur de reconnaissance d'entités nommées (NER) dans votre projet et comment choisir et accéder au bon moteur en fonction de vos données.

‍

Qu'est-ce que la reconnaissance des entités nommées (NER) ?

Le terme « entité nommée (NE) » est né dans les conférences Message Understanding

(MUC), qui a influencé la recherche menée par IE aux États-Unis dans les années 1990. À cette époque, la MUC se concentrait sur les tâches d'extraction d'informations dans le cadre desquelles des informations structurées sur les activités des entreprises et les activités liées à la défense étaient extraites de textes non structurés, tels que des articles de journaux. En dehors des États-Unis, plusieurs projets basés sur l'évaluation ont été réalisés pour NE. À cette époque, le nombre de catégories est limité à 7 à 10, et les balises NE, systèmes d'annotation automatique pour les entités NE dans un texte non structuré, sont basés sur des dictionnaires et des règles élaborés à la main ou sur une technique d'apprentissage supervisé. La technologie la plus récente et actuellement dominante est celle des techniques d'apprentissage supervisé telles que Decision Tree, Support Vector Machine, etc.

‍

‍

Dans le traitement du langage naturel, la reconnaissance d'entités nommées (NER) est un processus dans lequel une phrase ou une partie de texte est analysée pour trouver des entités qui peuvent être classées dans des catégories telles que des noms, des organisations, des emplacements, des quantités, des valeurs monétaires, des pourcentages, etc. Grâce à la reconnaissance d'entités nommées, vous pouvez extraire des informations clés pour comprendre le sujet d'un texte, ou simplement les utiliser pour collecter des informations importantes à stocker dans une base de données.

‍

‍

Quels sont les cas d'utilisation de l'API NER ?

Vous pouvez utiliser la reconnaissance d'entités nommées dans de nombreux domaines. Voici quelques exemples de cas d'utilisation courants :

• soins de santé : améliorer les normes de soins aux patients et réduire la charge de travail en extrayant des informations essentielles des rapports de laboratoire
• Ressources humaines : accélérez le processus de recrutement en résumant les CV des candidats ; améliorez les flux de travail internes en classant les plaintes et les questions des employés
• Service client : améliorez les temps de réponse en catégorisant les demandes, les plaintes et les questions des utilisateurs et en filtrant par mots clés prioritaires

L'approche multi-cloud

Lorsque vous avez besoin d'un moteur NER, deux options s'offrent à vous :

• Première option : plusieurs moteurs NER open source existent, leur utilisation est gratuite. Certains d'entre eux peuvent être performants, mais leur configuration et leur utilisation peuvent être complexes. L'utilisation d'une bibliothèque d'IA open source nécessite une expertise en science des données. De plus, vous devrez configurer un serveur en interne pour faire fonctionner des moteurs open source.
• Deuxième option : vous pouvez utiliser les moteurs de votre fournisseur de cloud. En fait, les fournisseurs de cloud tels que Google Cloud, AWS, Microsoft Azure, Alibaba Cloud ou IBM Watson fournissent tous plusieurs moteurs d'IA, dont NER. Cette option semble très simple car vous pouvez rester dans un environnement connu où vous pourriez avoir des compétences dans votre entreprise et où le moteur est prêt à l'emploi.

La seule façon de sélectionner le bon fournisseur est de comparer les moteurs de différents fournisseurs à vos données et de choisir le meilleur texte qui combine les résultats des moteurs des différents fournisseurs. Vous pouvez également comparer les prix si le prix est l'une de vos priorités, tout comme vous pouvez le faire pour des raisons de rapidité.

Cette méthode est la meilleure en termes de performances et d'optimisation mais elle présente de nombreux inconvénients :

• vous ne connaissez peut-être pas tous les fournisseurs performants du marché
• vous devez vous abonner et passer un contrat avec tous les fournisseurs
• vous devez maîtriser la documentation de l'API de chaque fournisseur
• vous devez vérifier leurs prix
• Vous devez traiter les données dans chaque moteur pour réaliser le benchmark

‍

‍

‍

‍

Test NER et API

Voici le code en Python (Dépôt GitHub) qui permet de tester Eden AI pour la détection des visages :

‍

Réponse :

‍

Plateforme :

Eden AI vous permet également de comparer ces moteurs directement sur l'interface Web sans avoir à coder :

‍

‍

Il existe de nombreux moteurs NER disponibles sur le marché : il est impossible de tous les connaître, de connaître ceux qui offrent de bonnes performances. La meilleure façon d'intégrer la technologie NER est l'approche multicloud qui vous garantit d'atteindre les meilleures performances et les meilleurs prix en fonction de vos données et de votre projet. Cette approche semble complexe, mais nous la simplifions pour vous avec Eden AI qui centralise les API des meilleurs fournisseurs.

‍

‍

Pourquoi choisir Eden AI?

C'est là qu'Eden AI devient très utile. Il vous suffit de vous inscrire et créer un compte Eden AI, et vous avez accès à de nombreux fournisseurs de moteurs pour de nombreuses technologies, y compris NER. La plateforme vous permet de comparer et de visualiser les résultats de différents moteurs, et vous permet également de centraliser les coûts liés à l'utilisation de différents fournisseurs.

Eden AI fournit la même API facile à utiliser avec la même documentation pour chaque technologie. Vous pouvez utiliser l'API Eden AI pour appeler les moteurs NER avec un fournisseur en tant que simple paramètre. Avec seulement quelques lignes, vous pouvez mettre en place votre projet en production.

Vous êtes fournisseur de solutions et souhaitez intégrer Eden AI, contactez-nous à l'adresse suivante : contact@edenai.co

‍