Identification de plus de 50 types d'entités dans 47 langues

Le problème :

Les bons systèmes de reconnaissance d'entités nommées sont difficiles à trouver, surtout un qui est auto-hébergé

Les systèmes actuels de reconnaissance d’entités nommées (NER) ne fonctionnent généralement qu’en anglais et ne prennent en charge qu’une poignée de types d’entités. Ces systèmes ne se concentrent généralement pas non plus sur les entités importantes pour les entreprises, telles que les montants d’argent et les adresses postales.

En outre, la plupart des systèmes se limitent à produire une seule étiquette par entité, ce qui les rend incapables de produire des structures d’étiquettes riches.

Private AI :

Détection d'entités en temps réel dans 47 langues

Le moteur de détection d’entités de Private AI peut être utilisé pour la reconnaissance d’entités nommées à usage général. Trouvez des codes postaux, des adresses, des mentions de médicaments et bien plus encore dans plus de 30 langues. Chaque entité peut avoir plusieurs balises, ce qui permet d’enrichir les informations sur l’entité. 

Prenez en charge facilement et de manière rentable des milliards d’inférences par mois, le tout hébergé dans votre propre environnement.

Pourquoi choisir Private AI ?

Une exactitude inégalée

Private AI utilise les dernières avancées en matière d’apprentissage automatique pour atteindre une exactitude remarquable dès la première utilisation. Découvrez comment nous nous situons par rapport à nos concurrents dans notre livre blanc technique

Private AI
Fournisseur majeur 2
Logiciel open source 2
Logiciel open source 1
Fournisseur majeur 1
Fournisseur majeur 3
0.80 0.90 1

Essayez-le vous-même sur vos propres données : 

« Private AI a été extrêmement facile à intégrer à notre pipeline actuel, ne nécessitant que quelques lignes de code pour assurer un traitement des données conforme au RGPD concernant les informations sensibles de nos utilisateurs. Il a offert une protection supérieure de la vie privée et nous a permis de répondre aux exigences rigoureuses du secteur des services financiers en matière de confidentialité des données, sans avoir à nous ruiner. » 

Damian Tran
Directeur Technique, Minerva AI

99.5%+ Accuracy

Number quoted is the number of PII words missed as a fraction of total number of words. Computed on a 268 thousand word internal test dataset, comprising data from over 50 different sources, including web scrapes, emails and ASR transcripts.

Please contact us for a copy of the code used to compute these metrics, try it yourself here, or download our whitepaper.

Rappel

Testé sur un ensemble de données composé de données conversationnelles désordonnées contenant des informations de santé sensibles. Téléchargez notre livre blanc pour plus de détails, ainsi que nos performances en termes d’exactitude et de score F1, ou contactez-nous pour obtenir une copie du code d’évaluation.