A extração de entidades (NER) identifica principalmente:
Escolha uma opção:
a. Estrutura sintática
b. Sentimentos no texto
- c. Erros gramaticais
- d. Pessoas, organizações, locais e conceitos
e. Frequência de palavras
Limpar minha escolha
Escolha uma opção:
a. Estrutura sintática
b. Sentimentos no texto
e. Frequência de palavras
Passo 1
O que o enunciado pede: escolher qual opção descreve corretamente o que a extração de entidades (NER) identifica.
As opções dadas são:
As opções dadas são:
- a. Estrutura sintática
- b. Sentimentos no texto
- c. Erros gramaticais
- d. Pessoas, organizações, locais e conceitos
- e. Frequência de palavras
Passo 2
O que é NER (extração de entidades)?
NER significa “Named Entity Recognition” — é uma tarefa de processamento de linguagem natural que identifica e classifica nomes próprios e expressões com significado específico dentro de um texto. Em outras palavras, o objetivo do NER é encontrar trechos do texto que correspondam a entidades e atribuir uma etiqueta a cada trecho (por exemplo: pessoa, organização, local, data, quantia monetária, evento, etc.).
Exemplo simples: na frase “A reunião com a Microsoft em São Paulo será em 10 de junho”, um sistema NER tipicamente detecta:
NER significa “Named Entity Recognition” — é uma tarefa de processamento de linguagem natural que identifica e classifica nomes próprios e expressões com significado específico dentro de um texto. Em outras palavras, o objetivo do NER é encontrar trechos do texto que correspondam a entidades e atribuir uma etiqueta a cada trecho (por exemplo: pessoa, organização, local, data, quantia monetária, evento, etc.).
Exemplo simples: na frase “A reunião com a Microsoft em São Paulo será em 10 de junho”, um sistema NER tipicamente detecta:
- “Microsoft” → organização
- “São Paulo” → local
- “10 de junho” → data
Passo 3
Por que a opção (a) está incorreta.
- a. Estrutura sintática diz respeito à análise da gramática e à forma como palavras se conectam (por exemplo, análise sintática, árvores de dependência, funções sintáticas). Isso é outra tarefa (parsing), não o foco do NER.
Passo 4
Por que a opção (b) está incorreta.
- b. Sentimentos no texto é o objetivo da análise de sentimentos (sentiment analysis), que determina se o texto é positivo, negativo ou neutro — diferente de localizar e classificar nomes próprios/entidades.
Passo 5
Por que a opção (c) está incorreta.
- c. Erros gramaticais pertencem a correção gramatical/grammarly-type tools (grammatical error correction). NER não corrige ou identifica erros de gramática; identifica entidades.
Passo 6
Por que a opção (d) está correta.
- d. Pessoas, organizações, locais e conceitos descrevem exatamente o tipo de itens que NER busca identificar. Esses são exemplos típicos de categorias de entidades nomeadas que um sistema NER retorna. Portanto, esta opção corresponde ao propósito principal da extração de entidades.
Passo 7
Por que a opção (e) está incorreta.
- e. Frequência de palavras é uma medida estatística (contagem de ocorrências, TF, TF-IDF) usada em representação de texto e recuperação de informação. Não é o que NER identifica — NER foca em localizar e classificar entidades, não em contar palavras.
Passo 8
Resumo prático para a prova (como reconhecer rápido a resposta):
- Se a tarefa fala em “identificar nomes” (pessoas, empresas, lugares, produtos, datas, quantias), pense em NER.
- Se a tarefa fala em “analisar opinião”, pense em análise de sentimentos.
- Se fala em “corrigir gramática”, pense em correção gramatical.
- Se fala em “contar palavras”, pense em frequência/TF-IDF.
Resposta
d. Pessoas, organizações, locais e conceitos