개체명 인식이란?
개체명 인식(Named Entity Recognition, NER)은 문장에서 현실 세계의 대상이나 고유한 개념을 가리키는 표현을 찾고, 사람·장소·기관·날짜·금액 등의 유형을 부여하는 작업입니다.
문장 전체에 하나의 답을 붙이는 것이 아니라, 문장 안의 여러 위치에서 개체를 찾아 각각의 범주를 판별합니다.
입력 문장
→
토큰화
→
토큰 분류 모델
→
개체 범위와 유형
토큰과 개체는 어떻게 다른가?
토큰은 모델이 문장을 처리하기 위해 나눈 단위입니다. 하나의 개체가 여러 토큰으로 구성될 수 있으므로, NER은 각 토큰의 태그뿐 아니라 개체의 시작과 끝도 정확히 찾아야 합니다.
O 태그는 무엇인가?
어떤 개체에도 속하지 않는 토큰에는 일반적으로 O(Outside) 태그를 부여합니다. 실제 문장에서는 많은 토큰이 O 태그에 해당합니다.
주요 개체 유형
사람(Person)민수, Sundar Pichai와 같은 인명
장소(Location)서울, California와 같은 지명
기관(Organization)네이버, Google과 같은 조직명
날짜·시간2026년 7월 23일, 오후 2시
금액10만 원, 25달러와 같은 화폐 표현
기타제품명, 행사명, 작품명 등 과업별 개체
개체명 인식 실습
문장을 선택하면 개체로 인식된 부분과 각 표현의 유형을 확인할 수 있습니다.
사람장소기관날짜·시간금액
| 표현 | 개체 유형 |
|---|
대표 데이터셋
CoNLL-2003뉴스 기사에 사람, 장소, 기관, 기타 개체가 주석 처리된 대표 데이터셋입니다.
OntoNotes 5.0뉴스, 방송, 대화 등 여러 장르와 비교적 다양한 개체 유형을 포함합니다.
도메인 특화 데이터의료, 금융, 법률 분야에서는 질병명, 약품명, 계좌명 등 업무에 맞는 유형을 별도로 정의합니다.
학습 내용 정리
개체명 인식은 문장 속에서 중요한 이름 표현을 찾고, 각 표현에 개체 유형을 부여하는 토큰 분류 작업입니다.
- 개체는 하나 이상의 토큰으로 구성될 수 있습니다.
- 개체 유형뿐 아니라 시작과 끝 경계도 정확히 찾아야 합니다.
- 업무 분야에 따라 필요한 개체 유형은 달라질 수 있습니다.
NER 결과는 검색, 문서 분류, 지식 그래프 구축, 질의응답 시스템의 기초 정보로 활용됩니다.