---
title: "Nhận dạng thực thể có tên (NER) là gì? Tiếng Ả Rập và LLM"
description: "NER tìm tên người, tổ chức và địa điểm trong văn bản. Cách gán nhãn và chấm điểm NER, các bộ dữ liệu NER tiếng Ả Rập, và cách làm NER bằng LLM."
url: https://broadrouter.com/vi/glossary/named-entity-recognition/
lang: vi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/glossary/named-entity-recognition/) (cập nhật ngày 2026-11-15).

# Nhận dạng thực thể có tên (NER)

Cập nhật 2026-11-15

Nhận dạng thực thể có tên (NER) là tác vụ tìm các tên trong văn bản và gán cho mỗi tên một loại, như người, tổ chức hay địa điểm. Hệ thống cổ điển gán nhãn từng token; với LLM, người ta thường yêu cầu trả về danh sách thực thể dạng JSON rồi đối chiếu với văn bản gốc.

Còn gọi là: NER, nhận dạng thực thể, nhận diện thực thể có tên, trích xuất thực thể, named entity recognition, entity extraction, named entities

Lấy ra mọi người, công ty và địa điểm trong một hợp đồng hay bản tin, kèm loại của từng cái. Đó là NER, một trong những việc phổ biến nhất được giao cho LLM.

## Cách hoạt động

Benchmark cổ điển là shared task CoNLL-2003. Nó dùng tin tức tiếng Anh của Reuters và văn bản tiếng Đức của Frankfurter Rundschau, bốn loại (PER cho người, ORG, LOC và MISC cho “names of miscellaneous entities that do not belong to the previous three groups” (Bản dịch: tên các thực thể khác không thuộc ba nhóm trên)), và nhãn IOB: mỗi từ là B- hoặc I- của một loại, hoặc O nếu nằm ngoài (outside). Điểm là F1 trên thực thể, và một thực thể chỉ được tính khi khớp chính xác với đáp án.

Một ví dụ tiếng Ả Rập ở dạng IOB:

| Token | Nhãn |
| --- | --- |
| زار | O |
| خالد | B-PER |
| العتيبي | I-PER |
| مدينة | O |
| الرياض | B-LOC |

(“Khalid Al-Otaibi đã đến thăm thành phố Riyadh.”)

Tiếng Ả Rập có bộ dữ liệu riêng. ANERcorp, do Yassine Benajiba tạo ra và là chuẩn tham chiếu từ năm 2008, gồm văn bản tin tức; bộ chia được thống nhất của CAMeL Lab có 125.102 từ huấn luyện và 25.008 từ kiểm thử theo giấy phép CC BY-SA 4.0. Wojood (Jarrar và cộng sự, 2022) có khoảng 550 nghìn token văn bản MSA và phương ngữ, 21 loại thực thể và khoảng 75 nghìn thực thể, trong đó 22,5% là thực thể lồng nhau. Model dựa trên AraBERT của nó đạt micro F1 0,884.

Với LLM, cách đặt vấn đề phổ biến lại khác: yêu cầu một danh sách, không phải nhãn cho từng token.

```json
{"entities": [
  {"text": "خالد العتيبي", "type": "PERSON"},
  {"text": "الرياض", "type": "LOCATION"}
]}
```

## Vì sao quan trọng

NER là đầu vào cho bộ lọc tìm kiếm, bản ghi CRM, việc che [PII](https://broadrouter.com/vi/glossary/pii/) và knowledge graph. Khi dùng LLM, các rủi ro chính là:

-   **Thực thể bịa ra hoặc bị sửa.** Model có thể trả về một cái tên không có trong văn bản, hoặc “sửa” chính tả của nó. Hãy kiểm tra mọi thực thể đều xuất hiện trong văn bản gốc, sau khi [chuẩn hóa văn bản tiếng Ả Rập](https://broadrouter.com/vi/glossary/arabic-text-normalization/) ở cả hai phía. Đây là một dạng kiểm tra [ảo giác](https://broadrouter.com/vi/glossary/hallucination/).
-   **Nhãn bị trôi.** Cố định danh sách loại trong một schema để model không thể tự tạo loại mới.
-   **Benchmark không phải dữ liệu của bạn.** Nhãn công khai hiếm khi khớp với nhãn của bạn. Hãy tự gán nhãn một mẫu và chấm precision, recall và F1, như với bất kỳ [eval](https://broadrouter.com/vi/glossary/eval/) nào.

## Trên BroadNet Inference

BroadNet không có endpoint NER; bạn xây nó trên POST /v1/chat/completions. Tài liệu tham chiếu API của BroadNet mô tả [đầu ra có cấu trúc](https://broadrouter.com/vi/glossary/structured-output/) cho [GLM 5.3](https://broadrouter.com/vi/models/glm-5.3/) và [Qwen3.8 27B](https://broadrouter.com/vi/models/qwen3.8-27b/), đó là cách bạn buộc model tuân theo một danh sách thực thể và một tập loại cố định. Với tài liệu đến dưới dạng ảnh, Qwen3.8 27B cũng nhận đầu vào hình ảnh.

BroadNet không công bố benchmark NER nào cho các model của mình. [Bài viết về trích xuất thực thể có tên tiếng Ả Rập](https://broadrouter.com/vi/blog/arabic-named-entity-extraction-llm/) có prompt, cách kiểm tra span bỏ qua dấu phụ, cách xử lý ngày theo lịch Hijri và một script chấm điểm để chạy trên mẫu của chính bạn.

## Câu hỏi thường gặp

### NER khác gì trích xuất thực thể?

Trong nghiên cứu, NER thường là gán nhãn cho từng token. Trích xuất thực thể thường là trả về một danh sách thực thể, và đây là cách phần lớn pipeline LLM đặt vấn đề. Hãy chấm điểm đúng cách bạn thực sự triển khai.

### Vì sao thực thể model trả về không khớp với văn bản tiếng Ả Rập của tôi?

Thường là model đã đổi hamza, bỏ tatweel hoặc thêm dấu phụ khi chép lại. Hãy chuẩn hóa cả thực thể và văn bản gốc trước khi kiểm tra thực thể có xuất hiện hay không.

### NER lồng nhau (nested NER) là gì?

Là thực thể nằm bên trong thực thể khác, như tên thành phố trong tên một tổ chức. Wojood gán nhãn những trường hợp này; 22,5% số thực thể của nó là thực thể lồng nhau.

## Xem thêm

-   [Đầu ra có cấu trúc (structured output)](https://broadrouter.com/vi/glossary/structured-output/) (thuật ngữ)
-   [JSON Schema](https://broadrouter.com/vi/glossary/json-schema/) (thuật ngữ)
-   [Chuẩn hóa văn bản tiếng Ả Rập](https://broadrouter.com/vi/glossary/arabic-text-normalization/) (thuật ngữ)
-   [PII (thông tin nhận dạng cá nhân)](https://broadrouter.com/vi/glossary/pii/) (thuật ngữ)
-   [Eval (đánh giá LLM)](https://broadrouter.com/vi/glossary/eval/) (thuật ngữ)
-   [Ảo giác AI (hallucination)](https://broadrouter.com/vi/glossary/hallucination/) (thuật ngữ)
-   [Trích xuất thực thể tiếng Ả Rập bằng LLM: JSON, ngày tháng, kiểm tra](https://broadrouter.com/vi/blog/arabic-named-entity-extraction-llm/) (bài viết)
-   [Phân loại văn bản tiếng Ả Rập bằng LLM: cảm xúc, ý định, ticket](https://broadrouter.com/vi/blog/arabic-text-classification-llm/) (bài viết)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

[Bắt đầu](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-named-entity-recognition&utm_content=page-cta) ·

**Nguồn**

-   [Tjong Kim Sang và De Meulder, Introduction to the CoNLL-2003 Shared Task: Language-Independent Named Entity Recognition (CoNLL 2003, ACL Anthology) (kiểm tra ngày 2026-11-15)](https://aclanthology.org/W03-0419/)
-   [Tjong Kim Sang và De Meulder, bài báo CoNLL-2003, toàn văn (arXiv cs/0306050, ar5iv HTML) (kiểm tra ngày 2026-11-15)](https://ar5iv.labs.arxiv.org/html/cs/0306050)
-   [CAMeL Lab, trang tải bộ chia train/test của ANERcorp (kiểm tra ngày 2026-11-15)](https://camel.abudhabi.nyu.edu/anercorp)
-   [Jarrar, Khalilia và Ghanem, Wojood: Nested Arabic Named Entity Corpus and Recognition using BERT (LREC 2022, ACL Anthology) (kiểm tra ngày 2026-11-15)](https://aclanthology.org/2022.lrec-1.387/)
