Entity Recognition ist eine Teilaufgabe der Informationsextraktion und befasst sich mit der Lokalisierung und Klassifizierung von Entitäten (Bestellnummer, Lieferdatum usw.), die in unstrukturiertem Text (Bestellscheinen, Verträgen usw.) erwähnt werden. Daher ist sie ein perfekter Anwendungsfall für Natural Language Processing (kurz NLP).
In unserem 3. Webinar über NLP wird Ihnen eine Fallstudie zum Thema “Entity Recognition in Dokumenten” vorgestellt. Nachfolgend finden Sie eine kurze Beschreibung der Problemstellung.
Stellen Sie sich vor, dass ein Unternehmen seine Produkte an Hunderttausende von Kunden weltweit verkauft und jedes Jahr Millionen von Bestellungen erhält. Ein beträchtlicher Anteil dieser Bestellungen sind pdf-Dateien, die elektronisch als Anhang zu einer E-Mail versandt werden. Aufgrund der Vielzahl unterschiedlicher Bestellvorlagen ist leider keine einheitliche und vor allem skalierbare Lösung zur automatisierten Extraktion der wichtigsten Bestelldaten (Bestellnummer, Liefertermin, Bestellmenge usw.) möglich. In vielen Fällen muss daher die zeit- und kostenintensive manuelle Extraktion durchgeführt werden.
An einem solchen Projekt hat die dida Datenschmiede GmbH bereits gearbeitet und es erfolgreich umgesetzt. die auf künstlicher Intelligenz basierende Lösung ermöglichte es, die Bestelldaten automatisch zu extrahieren und anschließend in das entsprechende ERP-System zu übertragen.
In diesem Vortrag wird Ihnen die Erfahrungen, die die dida Datenschmiede GmbH in diesem Zusammenhang gemacht hat, mitgeteilt sowie die Herangehensweise und die Lösungsstrategien vorgestellt.
Sprecher:
Ewelina Fiebig, dida Datenschmiede GmbH / Machine Learning Scientist
Dr. Petar Tomov, dida Datenschmiede GmbH Machine Learning Project Manager
