---
title: "Ano ang named entity recognition (NER)? Arabic at LLM"
description: "Hinahanap ng NER ang mga pangalan ng tao, organisasyon at lugar sa text. Paano nilalagyan ng label at sine-score ang NER, at paano ito gawin sa LLM."
url: https://broadrouter.com/fil/glossary/named-entity-recognition/
lang: fil
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/glossary/named-entity-recognition/) (na-update noong 2026-11-15).

# Named entity recognition (NER)

Na-update 2026-11-15

Ang named entity recognition (NER) ay ang task ng paghahanap ng mga pangalan sa text at paglalagay ng uri sa bawat isa, gaya ng tao, organisasyon o lokasyon. Tina-tag ng mga klasikong system ang bawat token; sa mga LLM naman, madalas hinihingi ang listahan ng entities bilang JSON, na sinusuri pagkatapos laban sa source.

Tinatawag ding: NER, named entity recognition, entity extraction, named entities, pagkuha ng entity

Kunin ang bawat tao, kumpanya at lugar sa isang kontrata o balita, na may uri para sa bawat isa. Iyan ang NER, at isa ito sa mga pinakakaraniwang trabahong ibinibigay sa isang LLM.

## Paano ito gumagana

Ang klasikong benchmark ay ang CoNLL-2003 shared task. Gumamit ito ng English na balita ng Reuters at German na text ng Frankfurter Rundschau, apat na uri (PER para sa mga tao, ORG, LOC, at MISC para sa “names of miscellaneous entities that do not belong to the previous three groups” (Salin ng BroadRouter: “mga pangalan ng iba’t ibang entity na hindi kabilang sa naunang tatlong grupo”)), at IOB tags: B- o I- ng isang uri ang bawat salita, o O para sa labas. F1 sa mga entity ang scoring, at bilang lang ang isang entity kung eksaktong tugma ito sa reference.

Isang halimbawa sa Arabic sa anyong IOB:

| Token | Tag |
| --- | --- |
| زار | O |
| خالد | B-PER |
| العتيبي | I-PER |
| مدينة | O |
| الرياض | B-LOC |

(“Binisita ni Khalid Al-Otaibi ang lungsod ng Riyadh.”)

May sariling mga dataset ang Arabic. Ang ANERcorp, na ginawa ni Yassine Benajiba at standard na reference mula pa 2008, ay newswire text; may 125,102 salita sa training at 25,008 salita sa test ang napagkasunduang split ng CAMeL Lab, sa ilalim ng CC BY-SA 4.0. Ang Wojood (Jarrar et al., 2022) ay may mga 550K token ng MSA at dialect na text, 21 uri ng entity at mga 75K entity, 22.5% sa mga ito ay nested. Nakakuha ng 0.884 micro F1 ang model nito na batay sa AraBERT.

Iba ang karaniwang paraan sa isang LLM: humingi ng listahan, hindi ng tag kada token.

```json
{"entities": [
  {"text": "خالد العتيبي", "type": "PERSON"},
  {"text": "الرياض", "type": "LOCATION"}
]}
```

## Bakit ito mahalaga

Pinapakain ng NER ang mga search filter, CRM record, pag-redact ng [PII](https://broadrouter.com/fil/glossary/pii/) at knowledge graph. Sa isang LLM, ito ang mga pangunahing panganib:

-   **Inimbento o binagong entity.** Puwedeng magbalik ang model ng pangalang wala sa text, o “itama” ang spelling nito. Suriin na lumalabas sa source ang bawat entity, matapos ang [Arabic text normalization](https://broadrouter.com/fil/glossary/arabic-text-normalization/) sa magkabilang panig. Isa itong anyo ng pagsuri sa [hallucination](https://broadrouter.com/fil/glossary/hallucination/).
-   **Paggalaw ng label.** Itakda ang listahan ng uri sa isang schema, para hindi makaimbento ang model ng bagong uri.
-   **Hindi mo data ang mga benchmark.** Bihirang tumugma sa iyo ang mga public label. Mag-label nang mano-mano ng isang sample at i-score ang precision, recall at F1, gaya sa anumang [eval](https://broadrouter.com/fil/glossary/eval/).

## Sa BroadNet Inference

Walang NER endpoint ang BroadNet; binubuo mo ito sa POST /v1/chat/completions. Idinodokumento ng API reference ng BroadNet ang [structured output](https://broadrouter.com/fil/glossary/structured-output/) para sa [GLM 5.3](https://broadrouter.com/fil/models/glm-5.3/) at [Qwen3.8 27B](https://broadrouter.com/fil/models/qwen3.8-27b/), na siyang paraan para ipilit sa model ang isang listahan ng entity at isang takdang set ng uri. Para sa mga dokumentong dumarating bilang larawan, tumatanggap din ng image input ang Qwen3.8 27B.

Walang inilalathalang NER benchmark ang BroadNet para sa mga model nito. May prompt, span check na hindi pinapansin ang diacritics, paghawak ng petsang Hijri at scoring script na mapapatakbo mo sa sarili mong sample ang [post tungkol sa Arabic named entity extraction](https://broadrouter.com/fil/blog/arabic-named-entity-extraction-llm/).

## Mga tanong

### Ano ang pagkakaiba ng NER at entity extraction?

Sa research, kadalasang ibig sabihin ng NER ang pag-tag sa bawat token ng isang label. Ang entity extraction naman ay madalas pagbabalik ng listahan ng entities, na siyang paraan ng karamihan ng LLM pipeline. I-score ang anyong talagang ini-ship mo.

### Bakit hindi tugma sa Arabic text ko ang entity na ibinalik ng model?

Kadalasan, binago ng model ang isang hamza, tinanggal ang tatweel o nagdagdag ng diacritics habang kumokopya. I-normalize ang entity at ang source bago suriin kung lumalabas ito.

### Ano ang nested NER?

Mga entity na nasa loob ng ibang entity, gaya ng lungsod sa loob ng pangalan ng isang organisasyon. Ina-annotate ito ng Wojood; 22.5% ng mga entity nito ay nested.

## Tingnan din

-   [Structured output](https://broadrouter.com/fil/glossary/structured-output/) (termino)
-   [JSON Schema](https://broadrouter.com/fil/glossary/json-schema/) (termino)
-   [Arabic text normalization](https://broadrouter.com/fil/glossary/arabic-text-normalization/) (termino)
-   [PII (personally identifiable information)](https://broadrouter.com/fil/glossary/pii/) (termino)
-   [Eval (LLM evaluation)](https://broadrouter.com/fil/glossary/eval/) (termino)
-   [AI hallucination](https://broadrouter.com/fil/glossary/hallucination/) (termino)
-   [Arabic named entity extraction gamit ang LLM: JSON, petsa at check](https://broadrouter.com/fil/blog/arabic-named-entity-extraction-llm/) (artikulo)
-   [Arabic text classification gamit ang LLM: sentiment, intent, triage](https://broadrouter.com/fil/blog/arabic-text-classification-llm/) (artikulo)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-named-entity-recognition&utm_content=page-cta) ·

**Mga source**

-   [Tjong Kim Sang at De Meulder, Introduction to the CoNLL-2003 Shared Task: Language-Independent Named Entity Recognition (CoNLL 2003, ACL Anthology) (sinuri noong 2026-11-15)](https://aclanthology.org/W03-0419/)
-   [Tjong Kim Sang at De Meulder, CoNLL-2003 paper, buong text (arXiv cs/0306050, ar5iv HTML) (sinuri noong 2026-11-15)](https://ar5iv.labs.arxiv.org/html/cs/0306050)
-   [CAMeL Lab, download page ng ANERcorp train/test split (sinuri noong 2026-11-15)](https://camel.abudhabi.nyu.edu/anercorp)
-   [Jarrar, Khalilia at Ghanem, Wojood: Nested Arabic Named Entity Corpus and Recognition using BERT (LREC 2022, ACL Anthology) (sinuri noong 2026-11-15)](https://aclanthology.org/2022.lrec-1.387/)
