命名实体识别
自然语言处理中的基础任务，用于从文本中识别并分类命名实体（如人名、地名、组织名等），是信息抽取的核心技术之一
时间轴 (近 90 天)
对于自然语言推理和命名实体识别任务，选型时需重新评估精度与成本的权衡。
信息抽取（Information Extraction）是自然语言处理中的经典任务，目标是从非结构化文本中识别出实体、属性与关系，并转成结构化字段；传统做法依赖规则模板或序列标注模型，基于大模型的抽取通常采用提示加结构化输出的方式。
意图分类与情感分析、命名实体识别并列为LLM最常见的下游应用之一。
命名实体识别（NER）需将文本词汇分类为食材、烹饪方式、质地描述等实体类型，再映射到标准化食品数据库
从非结构化文本自动构建图谱的信息抽取主要涉及命名实体识别（NER）和关系抽取（RE）两个子任务
将非结构化对话转化为结构化CRM字段属于NLP信息抽取范畴，涉及命名实体识别、关系抽取、事件抽取等子任务
实时脱敏技术通过在STT输出层部署正则表达式匹配、命名实体识别模型或专用检测模型将敏感字段替换为掩码
全部知识事实 (7)
对于自然语言推理和命名实体识别任务，选型时需重新评估精度与成本的权衡。
50%待验证信息抽取（Information Extraction）是自然语言处理中的经典任务，目标是从非结构化文本中识别出实体、属性与关系，并转成结构化字段；传统做法依赖规则模板或序列标注模型，基于大模型的抽取通常采用提示加结构化输出的方式。
50%待验证意图分类与情感分析、命名实体识别并列为LLM最常见的下游应用之一。
50%待验证命名实体识别（NER）需将文本词汇分类为食材、烹饪方式、质地描述等实体类型，再映射到标准化食品数据库
50%待验证从非结构化文本自动构建图谱的信息抽取主要涉及命名实体识别（NER）和关系抽取（RE）两个子任务
50%待验证将非结构化对话转化为结构化CRM字段属于NLP信息抽取范畴，涉及命名实体识别、关系抽取、事件抽取等子任务
50%待验证实时脱敏技术通过在STT输出层部署正则表达式匹配、命名实体识别模型或专用检测模型将敏感字段替换为掩码
50%