# Entity and Relationship Mapping > Babel Street AIテキスト分析なら、グローバルデータからエンティティ、イベント、インサイトを抽出し、エンティティと関係性を発見できます。デモをお申し込みください。 --- *Babel Street を活用したエンティティおよび関係性のマッピング* # 非構造化テキストから生み出される構造化インテリジェンス ​​Babel Street​のAIテキスト分析モジュールは、言語を超えて人物、場所、組織、イベントを抽出して関連付けます。類似した名称の曖昧性を解消し、言及を相互に関連付け、エンティティをナレッジベースに接続することで、より深いインサイトを提供します。 --- ## 多言語データから関連情報を抽出 - **多言語対応の強み**: 40以上の言語と文字体系でNLP分析を実行し、非構造化テキスト内のイベントとエンティティを識別 - **コンテキスト認識による精度向上**: 文脈を理解してエンティティの曖昧性を解消し、それらをナレッジベースの項目にリンクして同一性解決を実施 - **リアルタイム&スケーラブル**: 超高速のパフォーマンスと伸縮自在のクラウドの拡張性で、数百万の文書を処理 - **基本データのその先へ**: 人物、組織、場所を含む約20種類のエンティティを抽出 - **360​°​​ ​イベントインテリジェンス**: 特定のイベントの日時を、関与した主要な人物、場所、組織とともに検出 - **迅速なモデルチューニング**: ドメイン固有のエンティティやイベントに合わせたモデルのトレーニングと微調整で、精度の向上が可能 ## エンティティインテリジェンスを念頭に置いた設計 ### 抽出性能 - マルチエンティティ抽出 — 人物、組織、場所、日付、時刻、製品、役職、住所、国籍、宗教など、幅広いエンティティを識別・抽出 - イベント検出 — イベントを抽出して分類し、参加者、時間、場所などの関連エンティティや属性と紐づけ - センチメントと関係抽出 — テキストを分析し、センチメント、意見保有者、およびエンティティ間の関係を検出 - 入れ子構造を持つエンティティの認識 — 大きなエンティティ内に埋め込まれた複雑なエンティティを識別 ### 高度な言語サポート - 言語識別 — エンティティ抽出前に文書の言語を自動的に検出し、処理を最適化 - 多言語およびUnicode対応 — アラビア語、中国語、日本語、韓国語、キリル文字を含む40以上の言語と多様な文字体系をサポートし、多言語文書のシームレスな処理を実現 - 音訳と文字変換 — ネイティブ文字とラテン文字音訳間の自動マッピングにより、言語横断分析を支援 ### エンティティの結び付けと曖昧性の解消 - エンティティの結び付け — 抽出されたエンティティを外部ナレッジベースや独自データベースに結び付け、文脈理解と検索性を向上 - 曖昧性解消 — インテリジェントな文脈分析とナレッジベース照合により、類似した名称を持つエンティティを区別 - 相互参照解決 — 代名詞、愛称、略語、別名をその参照対象エンティティに結び付け、文書理解における一貫性を確保 ### 信頼度スコア - 信頼度のスコア付け — 抽出結果に確率を割り当て、下流でフィルタリングや優先順位付けができるように「正確である可能性」を提示 - 顕著性のスコア付け — 文書の文脈内における各エンティティまたはイベントの重要性を評価 ### モデルのカスタマイズ - カスタムのエンティティタイプとイベントタイプ — ドメイン固有の辞書、オントロジー、または正規表現を使用して、ユーザー定義のエンティティタイプの追加が可能 - 役割ベースのイベントモデリング — 抽出内容をビジネスニーズに適合させるため、イベント参加者（例：加害者、被害者、送信者、受信者）にカスタムロールを設定 - 高速モデルトレーニング — カスタム抽出モデルのトレーニングとデプロイのためのユーザーフレンドリーなインターフェース。アクティブラーニングと反復的な改良をサポート ### データエンリッチメント - エンティティの正規化 — 分析およびレポートの一貫性を確保するため、抽出されたエンティティを標準化（例：「NYC」を「ニューヨーク市」に解決）。 - ジオコーディング — 抽出された場所に緯度と経度を割り当て。 - 時間の正規化 — 抽出された日付と時刻を標準形式に変換し、比較と分析を容易にする。 ### 分析と可視化 - エンティティ関係グラフ — 抽出されたエンティティとイベント間のつながりを可視化し、直感的な探索とインサイトの創出を実現 - エンティティの出現頻度と傾向の分析 — インテリジェンスやビジネス分析のために、エンティティ/イベントの発生状況と経時的な傾向を追跡 ### デプロイと統合 - リアルタイムでスケーラブルな処理 — クラウドネイティブアーキテクチャによる、大規模な高スループット・低遅延の文書分析を実現 - API統合 — コンテンツ管理システム、データレイク、または下流の分析プラットフォームへのシームレスな接続を実現するRESTful APIエンドポイント - オンプレミスとクラウドのデプロイに対応 — セキュリティ、コンプライアンス、スケーラビリティの要件を満たす柔軟な選択肢 - プラグアンドプレイ対応SDK – Java、Python、C#などへの迅速な統合を可能にする事前構築済みソフトウェア開発キット ### プライバシーとコンプライアンス - 個人識別情報（PII）および機密データの取り扱い — 文書内のPIIの検出と黒塗り処理 - 監査ログとアクセス制御 – 機微なデータおよび操作に対する追跡可能性を確保し、ユーザーの権限管理を実施 ## 専門家に相談する [ミーティングの予約](https://www.babelstreet.jp/contact) --- ## よくあるご質問 **エンティティ抽出とは** エンティティ抽出は、構造化されていないテキストから人物、組織、場所、日付などの主要なエンティティを識別・分類するAI技術です。 **エンティティ抽出が重要な理由** 重要な情報は、ニュース記事、SNSの投稿、報告書など、構造化されていないテキストの中に埋もれていることが多々あります。エンティティ抽出は、このコンテンツから「誰」「何」「どこ」「いつ」を抽出します。これにより、脅威インテリジェンス、コンプライアンス、競合分析などの分野​​において、意思決定の迅速化、リスク検知の精度向上、ワークフローの効率化を実現します。 **Babel Streetは多言語データをどのように処理しますか？** 当社の抽出モデルは多様な言語データセットで訓練されており、言語や文字体系を超えてエンティティを認識するように設計されています。このシステムは音訳、略語、よくある誤字にも対応し、ノイズの多いテキストや非公式なテキストであっても、見逃しを防ぎます。 **抽出可能なエンティティの種類** 初期設定では、Babel Streetは以下のような標準エンティティタイプを抽出します。 - 人物 - 組織 - 場所 - 日時 - 国籍と宗教団体 - イベント また、自社の領域に合わせてカスタマイズされた辞書、分類体系、または機械学習モデルを使用してカスタムエンティティタイプを定義することもできます。 **抽出したエンティティを既知のリファレンスにリンクできますか？** できます。Babel Streetはエンティティのリンク付けと曖昧性解消をサポートし、抽出されたエンティティを外部ナレッジベース（例：Wikidata、監視リスト、顧客データベース）にマッピングすることを可能にします。これにより曖昧さが解消され、抽出されたデータに追加の文脈が付加されます。 **信頼性スコアの計算方法** 抽出された各エンティティには、言語的、意味的、文脈的特徴に基づいて信頼度スコアが割り当てられます。これらのスコアは、抽出に対するシステムの確実度を反映しており、組織のデータに合わせて調整可能です。 **抽出内容をカスタマイズできますか？** はい、可能です。ドメイン固有のエンティティを抽出するようにシステムを設定するには、以下を使用します。 - カスタム辞書とオントロジー - パターンベースのルール - お客様のデータで訓練した機械学習モデル この柔軟性により、業務目標とデータ環境に沿った抽出が可能になります。 **Babel Streetエンティティ抽出のデプロイ方法** RESTful APIを介して、クラウドまたはオンプレミス環境でデプロイできます。