Waarom is dit belangrijk?
Artsennotities worden bruikbaar doordat herkenning van benoemde entiteiten ziektebeelden, medicijnen en klachten eruit haalt en dossiers sneller doorzoekbaar maakt. In de zorg markeert dezelfde aanpak persoonsgegevens in verslagen voordat tekst voor onderzoek wordt gedeeld. Voor patiënten en zorgmedewerkers worden dossiers zo beter vindbaar, maar een gemist persoonsgegeven of een foute aanduiding kan soms de privacy of de juistheid raken.
Zo werkt het in de praktijk
In contracten en gerechtelijke uitspraken markeert herkenning van benoemde entiteiten personen, organisaties en data. Juristen en bedrijven ordenen daarmee lange documenten. Daarna haalt informatie-extractie relaties en gebeurtenissen uit dezelfde tekst.
Onderzoekers testen of een systeem voor gewone tekst ook juridische taal aankan. Documenten zijn lang en gebruiken eigen termen, waardoor algemene modellen vaak zwakker presteren. Een open vraag is hoe herkenning werkt over talen en rechtsstelsels heen.
De methode hoort bij informatie-extractie, een werkwijze die tekst omzet in gestructureerde kennis. Eerst komen de namen, daarna de relaties en de gebeurtenissen. Op congressen zoals CoNLL meten teams de uitkomst met precisie, recall en de F1-score.




