Vou extrair entidades e classificar texto usando IA e modelos de PLN

Dados de texto confusos? Eu transformo isso em algo que você realmente pode usar.

Construo ferramentas de PLN que extraem informações estruturadas de nomes, datas, locais, categorias personalizadas e as colocam em um formato que funciona pra você. Trabalho com isso profissionalmente há mais de uma década, incluindo a construção do sistema de NLU para busca por voz na Verizon e um parser de texto que alimenta uma extensão do Chrome.

O que eu faço:

• Extrair entidades (pessoas, lugares, organizações, datas ou tipos personalizados como nomes de produtos ou termos médicos) de textos simples, PDFs, e-mails ou documentos digitalizados (OCR incluso).
• Classificar texto por sentimento, tópico ou categorias personalizadas, com ou sem múltiplas etiquetas.
• Ajustar ou treinar um modelo personalizado quando as ferramentas prontas não forem precisas o suficiente. Vou te dizer com sinceridade se você precisa disso ou não.
• Limpar dados confusos, erros de ortografia, nomes inconsistentes ("SF" vs "San Francisco"), aquelas coisas que quebram a maioria dos pipelines.

Formação:

Pesquisa de mestrado sobre extração de texto (publicada na RANLP, CICLing), depois trabalho na indústria construindo ferramentas de extração e sistemas de NLU.

Envie uma amostra de dados antes de pedir, se estiver em dúvida qual pacote se encaixa melhor, posso dar uma olhada rápida primeiro.