Il riconoscimento di entità denominate (NER) è un compito secondario dell'estrazione di informazioni (IE) che cerca e classifica entità specificate in uno o più corpi di testo. NER è anche noto semplicemente come identificazione di entità, suddivisione in blocchi di entità ed estrazione di entità. Il NER è utilizzato in molti campi dell'intelligenza artificiale (AI), tra cui l'elaborazione del linguaggio naturale (PNL) e l'apprendimento automatico.
L'estrazione delle informazioni dipende dal NER per trovare informazioni mirate, utilizzando modelli che funzionano sulla base di modelli grammaticali o statistici. Il NER riconosce innanzitutto le entità come una delle numerose categorie come persone, luoghi, organizzazioni, espressioni, percentuali e valori monetari. Le categorie sono abbreviate: posizione (LOC), persone (PER) e organizzazioni (ORG), ecc. Una volta riconosciuta la categoria di informazioni, un'utilità di estrazione delle informazioni estrae le informazioni correlate dell'entità nominata e costruisce un documento leggibile dalla macchina che gli altri strumenti può elaborare ulteriormente per estrarre il significato.
Come per molti compiti difficili nell'IA, le sfide NER vengono presentate alla comunità di sviluppo per incoraggiare lo sviluppo di soluzioni. Message Understanding Conference (MUC) è una di queste sfide. Allo stesso modo, gli esseri umani hanno ottenuto una precisione del 97.60% e del 96.95%, mentre il miglior sistema IE ha ottenuto il 93.39%.