Что такое NER?
NER (Named Entity Recognition, распознавание именованных сущностей) — это задача обработки естественного языка: алгоритм находит в тексте упоминания объектов и относит их к классам — люди, компании, бренды, города, даты, товары, суммы.
Named Entity Recognition переводится как «распознавание именованных сущностей»: модель читает текст и помечает, где речь о человеке, где — о компании, а где — о городе или дате. Бизнесу это даёт главное — превращение неструктурированных текстов (запросов, отзывов, статей, переписок) в данные, с которыми можно работать. На них строятся семантика сайта, анализ рынка, мониторинг репутации и ответы ИИ-поисковиков.
Как работает NER
Конвейер выглядит так: текст разбивают на токены, каждый токен превращают в вектор, а модель предсказывает для него класс. Классическая схема разметки — BIO: B-PER (начало сущности-человека), I-ORG (продолжение организации), O (не сущность). Раньше для этого использовали CRF и BiLSTM-сети, сегодня стандарт — трансформеры и большие языковые модели, которым достаточно нескольких примеров в промпте.
Базовые классы пришли из академических задач: PER (люди), ORG (организации), LOC (локации), DATE, MISC. Для маркетинга их расширяют своими типами — BRAND, PRODUCT, PRICE, SKILL. Отдельный шаг — связывание сущностей (entity linking): модель понимает, что «Пушкин» — это поэт, музей или район, и сопоставляет упоминание с записью в базе знаний (Викиданные, Яндекс Справочник). Без этого NER остаётся красивой подсветкой слов.
Зачем NER бизнесу и SEO
Яндекс и Google работают не с ключевыми словами, а с сущностями: они строят граф знаний, а нейросетевая выдача и ИИ-ответы опираются на факты со страниц. Поэтому распознавание сущностей из технической задачи превратилось в маркетинговую.
- Семантика по сущностям: кластеризация запросов становится точнее — видно, какие бренды, города и свойства встречаются в спросе.
- Анализ рынка и конкурентов: прогон выдачи и отзывов показывает, с какими сущностями ассоциируется ниша и где вас не упоминают.
- Мониторинг бренда: упоминания компании, персон и продуктов в отзывах и СМИ раскладываются по темам автоматически.
- Видимость в ИИ-поиске: чтобы ассистент процитировал страницу, ей нужны явные факты — кто, что, где, сколько.
- Каталоги, фиды, базы: большие массивы карточек и вакансий нормализуются без ручного труда.
Как внедрить NER: практический порядок
- Соберите корпус: запросы из Wordstat и Search Console, выдачу, отзывы, тексты конкурентов, тикеты поддержки.
- Определите свои классы сущностей — добавьте отраслевые, не копируйте академический список.
- Выберите инструмент: для русского языка — Natasha, spaCy, DeepPavlov, GLiNER; для быстрых задач — LLM с few-shot промптом и ответом в JSON.
- Проверьте качество на 200–300 вручную размеченных фрагментах: F1 ниже 0,8 — повод доработать словари.
- Добавьте gazetteer — словарь своих брендов и продуктов: универсальные модели их не знают.
- Встройте результат в процессы: ТЗ копирайтеру, структура H2, разметка Schema.org, FAQ-блоки.
Отчёт ради отчёта бесполезен: ценность появляется, когда список сущностей превращается в действие — новый раздел, лендинг или абзац с фактами.
Типичные ошибки
- Путать NER с извлечением ключевых слов и анализом тональности: это три разные задачи.
- Ждать, что модель узнает ваш бренд: редкие названия и аббревиатуры добавляют в словарь вручную.
- Игнорировать омонимию: «Мир» или «Восход» могут быть магазином, ЖК или понятием.
- Забывать о вложенных сущностях: «Московский Кремль» — и локация, и организация сразу.
- Доверять LLM без проверки: модель может выдумать сущность, которой в тексте нет.
- Не измерять качество: без ручной разметки рабочий пайплайн не отличить от случайных совпадений.
Что изменилось к 2026 году
К 2026 году NER окончательно стал прикладной рутиной: с ним работают через API и промпт, а не через собственные модели, поэтому порог входа упал до пары часов настройки. Сместился и акцент — от «найти сущности в тексте» к «связать их с графом знаний и отдать поисковику в готовом виде». Для бизнеса это означает простое: чем чище и однозначнее сущности на странице, тем выше шанс, что вас поймут и процитируют.
