我应该使用NLP来检测元数据中的实体吗？怎么样？

问题描述

我有一些关于建筑物的元数据，这是示例之一：
AHU-S-6F-01.RA.CO2.1
我正在寻找一种使计算机能够识别元数据中的实体的方法，例如：
[Location].[Sensor-Type].[Sensor-Element].[Sensor-ID]
数据集中还有其他数据格式，因此我想我可以使用Tensorflow.js来使用命名实体识别（NER）并将其实现，以使计算机学会识别元数据中的实体并为其添加标签。我在下面找到了一个示例：

https://monkeylearn.com/text-analysis/

命名实体识别（NER）是否适合用于检测元数据中的实体？如何通过Tensorflow.js实现它？
如果没有，我应该用什么来解决这个问题？
谢谢!!!

解决方法

如果您的信息是可预测的（确定性的），始终希望每个字段且每个值都是预定义的，那么我将使用regexp。

NLP / NER技术需要进行一些培训（数百到数千个培训示例），并且如果值随时间变化，则必须使用新示例进行重新培训。它可以处理出现歧义的情况（也许不是您的情况）。

,

您需要检测哪些词是产品功能，因此您应该在此架构中使用BERT来匹配复杂的模式（但是，如果您的问题很简单，则最好使用正则表达式）

此架构在类似的任务中实现：

https://gab41.lab41.org/how-to-fine-tune-bert-for-named-entity-recognition-2257b5e5ce7e

https://towardsdatascience.com/named-entity-recognition-ner-with-bert-in-spark-nlp-874df20d1d77