(Версія 2016-05-12)
NER — це назва, яка вказує на певну унікальну сутність. До них відносяться імена осіб, назви місцевостей, організацій, творів, веб-сайтів і т.і.
Вона складається з одного або декількох слів. Будь-яка NER-сутність має містити хоча б одне слово з великої літери або написане іншою мовою (виключення можуть скаладати випадки, коли допущена помилка написання чи весь текст приведений до одного регістру). Але деякі сутності можуть містити також і слова з маленької літери (Маркіз де Сад, Кримінальний кодекс України, поліклініка №3).
До NER не відносяться і, відповідно, не виділяються:
- звичайні іменники, які по тим чи іншим причинам написані з великої літери
- в тому числі також назви хвороб, місяців, посад, сортів рослин, тварин і т.п. назви, які пишуться з маленької літери (але помилково можуть також бути написані з великої літери)
- загальноприйняті абревіатури звичайних іменників, які не вказують на унікальну сутність:
ЗМІ,ВНЗ,БТІ(алеООН,НАТО— це NER) - нові власні іменники, які стали загальновживаними: "компанія Facebook" (
Facebook- це NER), "у своєму Фейсбуку" (тутФейсбукуце вже не NER) - прикметники або іменники, які є похідними від NER-сутностей:
кіровоградський,УДАРівці(однак, різні відмінки одного й того самого іменника залишаються NER-сутностей - наприклад в словосполученні "Наташина мама"Наташина— ПЕРС) - дати, суми, інші числа
- одна сутність має бути неперервною:
Тарас Шевченко, а не окремоТарасіШевченко,Тернопільска міська рада - дві сутності, що стоять поряд, мають бути виділені окремо. Приклад: "спікер Верховної Ради Гройсман" - тут
Верховної Ради— це окрема сутність типу ОРГ,Гройсман— окрема типу ПЕРС - якщо назва повністю знаходить в лапках (приклад: "картина «Ніч на Дніпрі»",
картинане є частиною NER-сутності), то виділяти її без лапок (тільки слова), якщо ж назва включає слово в лапках, то виділяти також і лапки (Школа-інтернат "Барвінок"— все повністю NER-сутність) - якщо одна сутність є частиною іншої (як правило, це стосується географічних назв), то додатково виділити її не треба ("картина «Ніч на Дніпрі»":
Ніч на Дніпрі— це сутність типу РІЗН, словоДніпріокремо не виділяємо) - при анотації дуже важливо дотримуватись однакових підходів до виділення та класифікації подібних сутностей, бути уважними і педантичними
- ОРГ (організація) — назва будь-якої компанії, організації, установи, партії, гурту, об'єднання людей, а також певних проектів (фестиваль, програма на телебаченні тощо). Приклади:
ЮНЕСКО,INSIDER,Україньска правда,КМДА,Київський міський ордена Трудового червоного гудзика музей космонавтики ім. С.П. Корольоваі т.і. ОРГ може включати досить багато слів, частина яких пишеться з маленької літери. Але, як правило, такі сутності мають виділятись як локація (ЛОК). Окремі підрозділи організацій (наприклад, "інформаційний департамент Національної гвардії") не входять у NER-назву, тобто треба виділяти тільки назву самої організації організацію (тут —Національної гвардії). Як правило, це можна розрізнити по використанню великої літери (тобтоГоловне управління МВС України в м.Києвіє сутністю повністю, а якщо використовується словосполучення "управління МВС України", то сутність в ньому — це тількиМВС України). - ПЕРС (персона) — ім'я будь-якої персони (людини, персонажа, тварини), може складатися з декількох власних іменників, всі з яких, як правило, пишуться з великої літери. Виключення є ситуації, коли саме ім'я включає якийсь титул:
Маркіз де Сад(але непан Андрійчилікар Френк— в загальному випадку назви посад або роповсюдженні звертання не включаються до імені, тобто сутності тут будутьАндрійтаФренк). Особливий випадок, це коли імена декількох осіб пишуться разом з одним прізвищем:Андрій і Тарас Шевченко— тут треба виділити всі 4 слова як одну сутність. - ЛОК (локація) — будь-які географічні назви, в тому числі назви країн (
CША,Вигурівщина,р. Ворскла), топоніми (Будинок Офіцерів), адреси (вул. Хрещатик 1). У випадку, коли назва країни ("Росія напала на Україну"), міста ("позиція офіційного Вашингтону") чи топоніма ("гвардія Майдану") використовується у якості політичного суб'єкту, це все одно виділяється як сутність типу ЛОК. - РІЗН (все інше) — інші сутності, які не входять до перелічених вище: назви творвй мистецтва ("казка «Вовк і семеро козлят»" — тут сутність — це
Вовк і семеро козлятбез слова казка), свят, законів та інших юридичних документів (КПК України,П.27 Договору), торгівельних марок і подібні їм (сорт рослиниChameleon, літакБоїнг), веб-сайтів (rada.gov.ua). Якщо не зрозуміло, що за сутність, то треба відносити її до цієї категорії.
Тувім(РІЗН) — не зрозуміло, це ім'я людини, стиль поезії чи щось ще- премія в царині дитячої літератури "Великий Іжак" — NER
Великий Іжакяк ОРГ, бо премія — це певна установа - у той же час
Стежка вздовж ріки— РІЗН, бо це твір Магдалини(ПЕРС) — бо тут це просто ім'я, а не назва творуТУГи(ОРГ) — бо в цьому контексті зрозуміло, що це скорочення відТовариство Усамітнених Графоманів. В той же час, якщо "Товариство Усамітнених Графоманів" — це назва твору, то правильна анотація для обох вживань — РІЗН
Боїнги,ТУшки,Ани,Яки(РІЗН) — моделі літаківСРСР(ЛОК) — назва країни
Микола та Лариса Онули(ПЕРС) — виділено разом, щоб не втратити інформацію, що Микола теж Онул (ці сутності будуть потім розділені автоматично під час пост-обробки отриманих даних)100-й округ(ОРГ) — бо це юридична сутність/в певній мірі установа
- село
ШевченковеЗвенигородського району(ЛОК) — виділено 2 окремі сутності Наймичка(РІЗН) — назва твору
- лікарні, поліклініка виділені, бо вони мають номери, тобто це назва конкретної установи. В ідеалі, вони мали б писатись з великої літери
- вірус
Ньюкаславиділено окремо як РІЗН, бо назви хвороб ми не виділяємо, але в цьому випадку NER-сутність, яка є частиною назви хвороби, втрачає своє первинне значення як ЛОК (або ПЕРС — в даному випадку не відомо, бо це може бути і прізвище вченого, як у випадку "Альцгеймера")
- фестиваль — ОРГ
Софія/Sofia(ОРГ) — тому що у даному випадку це назва музичної групи чи проекту
ОЕ,Океанів(ОРГ) — різні варіації назви музичного гурту- CD
Sofiya(РІЗН), тому що в даному випадку йдеться вже не про гурт, а про однойменний твір
- зверніть увагу на тегування програм
Митний союз(ЛОК), бо це гео-політичне утворення
- повна і скорочена назва
ЕРПвиділені окремо Вінницької, Дніпропетровської ... областях(ЛОК) — виділено разом, бо всі назви мають містити слово область (ці сутності будуть потім розділені автоматично під час пост-обробки отриманих даних)
-
У вікні браузера виділяти мишкою NER-сутності і вказувати відповідний тип
-
Для видалення помилкової анотації треба виділити анотацію, подвійно клікнути на неї, а потім натиснути кнопку "Видалити"
-
Після закінчення роботи зі всім фрагментом тексту повторно перевірити, чи нічого не пропущено і чи правильно розставлені всі анотації, після чого відправити їх на сервер
