Reconocimiento de Entidades Nombradas (NER): una técnica para agilizar el procesamiento de colecciones digitales
Introducción
La gestión y organización eficiente del creciente volumen de información se ha vuelto un reto fundamental para bibliotecas, archivos y otras entidades. A medida que la información digital continúa expandiéndose, la capacidad para extraer, estructurar y recuperar información se convierte en un factor clave para mejorar la accesibilidad y la utilidad de las colecciones documentales (Colavizza et al, 2021).
Para abordar estos retos, el Procesamiento de Lenguaje Natural (NLP, por sus siglas en inglés) ofrece herramientas y técnicas que permiten comprender y estructurar el lenguaje humano de manera automática (Vállez & Pedraza, 2007). Entre estas técnicas se destaca el Reconocimiento de Entidades Nombradas que identifica automáticamente elementos clave en textos. (Nieto, 2017).
El potencial del NER en el campo de las unidades documentales es considerable (Carter et al, 2022), dado que facilita el procesamiento de grandes volúmenes de información y apoya en la descripción de textos digitales, ofreciendo las siguientes ventajas:
- Extracción de información relevante: La técnica NER permite extraer términos clave que tienen el potencial de ayudar al proceso de clasificar y describir textos como: notas de prensa, actas y correspondencia.
- Agilizar la descripción documental: Al identificar entidades y ubicarlas dentro de un texto, la técnica NER facilita que los responsables de la descripción puedan localizar de manera rápida los elementos que ayudan a elaborar descripciones precisas, completas y útiles.
- Escalabilidad: Permite el procesamiento eficiente de grandes volúmenes de información, permitiendo escalar la automatización y la integración en diferentes flujos de trabajo, mejorando así la eficiencia operativa.
¿Qué es NER?
El Reconocimiento de Entidades Nombradas (NER) es una tarea de procesamiento de lenguaje natural que consiste en la identificación y clasificación de entidades nombradas en textos dentro de categorías predefinidas, tales como nombres de personas, organizaciones, lugares, fechas, cantidades, entre otras. (Yan et al., 2020). Para realizar esta tarea, se emplean varios modelos, desde reglas basadas en la gramática del lenguaje hasta modelos estadísticos y, más recientemente, de aprendizaje profundo basados en redes neuronales.
Un modelo, en el contexto de aprendizaje automático, es una representación matemática entrenada para realizar tareas específicas, como clasificar información, identificar patrones o hacer predicciones (Ortega, 2024). En el caso de NER, un modelo actúa como una herramienta que traduce características del lenguaje en resultados comprensibles y estructurados, permitiendo agilizar procesos complejos en el análisis de textos.
Actualmente, la implementación de NER se ha facilitado gracias a la disponibilidad de bibliotecas de software como SpaCy, Hugging Face y Flair, que ofrecen modelos preentrenados en idioma español y listos para su uso. Estos permiten aplicar NER sin necesidad de entrenar modelos desde cero, lo cual puede ser un proceso costoso tanto en tiempo como en recursos humanos y computacionales. Estos modelos preentrenados proporcionan resultados inmediatos y competentes en una variedad de contextos, lo que los hace viables incluso para instituciones con recursos humanos y financieros limitados, si bien son generales, son útiles en una gran variedad de contextos con un esfuerzo mínimo (Alije, 2022).
Es importante resaltar que generar un modelo propio para el Reconocimiento de Entidades Nombradas requiere un proceso intensivo de recopilación y anotación de un corpus especializado, así como una inversión significativa en hardware avanzado, como servidores con GPU, y conocimientos técnicos avanzados en aprendizaje automático.
La implementación de un modelo preentrenado de NER para la descripción de colecciones documentales digitales es una alternativa práctica y accesible que puede agilizar los procesos de descripción documental. Sin embargo, es importante tener en cuenta lo que se señala a continuación:
- Limitaciones:
- Menor precisión en contextos específicos: Los modelos preentrenados están optimizados para textos generales y pueden no identificar correctamente entidades relevantes en textos históricos o especializados.
- Resultados aproximados: Aunque útiles, los resultados pueden incluir errores o entidades irrelevantes, lo que hace necesaria la validación por parte de expertos.
- Falta de personalización: Los modelos preentrenados no están adaptados para reconocer categorías especializadas que podrían ser clave para la descripción detallada de ciertas colecciones.
- Requisitos mínimos:
- Hardware: Una computadora estándar con capacidad para manejar la biblioteca elegida será suficiente, sin necesidad de una GPU avanzada.
- Software: Bibliotecas como SpaCy, Hugging Face o Flair son necesarias para ejecutar los modelos, además de un sistema básico de gestión documental para integrar los resultados.
- Validación humana: Es fundamental incorporar una etapa de revisión en la que los archivistas ajusten las entidades detectadas para garantizar la calidad y relevancia de los metadatos generados.
La implementación de NER en los procesos de descripción de colecciones documentales digitales permite automatizar la extracción de entidades clave y ubicarlas en el texto, ofreciendo un punto de partida que los expertos de la descripción pueden revisar y refinar. Esto permite a los profesionales enfocarse en tareas de mayor valor analítico, como enriquecer la descripción con contexto histórico, identificar conexiones entre los textos y tomar decisiones fundamentadas sobre su conservación (Lutra et al. 2023). Sin embargo, se debe resaltar el hecho de que el juicio experto del humano sigue siendo esencial para garantizar que las descripciones cumplan con los estándares de calidad y precisión requeridos.
Lutra et al. (2023) analizaron los registros de la Compañía Holandesa de las Indias Orientales, los cuales mostraban sesgos significativos de religión, raza, género y clase, reflejando las perspectivas eurocéntricas de sus creadores. Para mitigar estos sesgos y enriquecer la comprensión histórica, se utilizó una versión adaptada de NER para identificar entidades históricas no explícitamente nombradas, especialmente personas que no habían sido visibilizadas en los registros. Esta técnica permitió descubrir nuevas relaciones y conexiones entre los registros, proporcionando a los investigadores una visión más completa y matizada del pasado.
Se Aplicó NER a los registros del proyecto ‘Colecciones del Holocausto de Morgenthau’, optimizando el análisis de la información y mejorando su accesibilidad. Como resultado, tanto académicos como el público en general tuvieron un acceso más eficiente a la información, aumentando significativamente su uso y utilidad.
Vale la pena mencionar una aplicación especializada de NER, la cual es empleada para la segmentación de referencias bibliográficas, donde la técnica identifica de manera precisa los diferentes campos de una cita bibliográfica, como los nombres de autores, títulos de publicaciones, fechas, entre otros (click para saber más – https://bdcv.hypotheses.org/3890).
El siguiente ejemplo demuestra una extracción de diferentes entidades nombradas en una nota del periódico El Universal.

Imagen 1. Archivo JSON con las entidades reconocidas en una nota periodística.
La imagen 1 muestra las tres primeras entidades, en formato JSON, obtenidas mediante la técnica de Reconocimiento de Entidades Nombradas (NER). En este formato, el cual es una salida habitual de la aplicación de la técnica NER, se detalla el texto identificado como entidad, su categoría correspondiente y las posiciones específicas en el texto donde aparece.
Estos datos en formato JSON permiten crear visualizaciones que resaltan dichas entidades con colores específicos, facilitando su identificación y análisis. Por ejemplo, la imagen 2 presenta una visualización donde las entidades reconocidas en un archivo JSON se destacan con diferentes colores según su categoría. Este tipo de visualizaciones es útil para una exploración rápida y una evaluación efectiva de los resultados obtenidos al aplicar NER sobre un texto o corpus.

Imagen 2. Posible visualización generada a partir de un archivo JSON con identidades identificadas.
Como se puede apreciar, el resultado de aplicar NER para identificar automáticamente entidades clave en un texto y su posición en el texto, tiene la potencial utilidad de convertir estos términos en metadatos estructurados. Sin embargo, es crucial recordar que estas herramientas proporcionan resultados aproximados y requieren un cuidadoso manejo por parte de persona expertas.
Conclusión
El uso de NER en el procesamiento de colecciones digitales ofrece una oportunidad para transformar la generación de descripción de textos, haciéndola más ágil y escalable. Sin embargo, su implementación debe ser considerada como un soporte al trabajo humano, donde la supervisión y validación garantizan que las soluciones sean precisas y adecuadas para los objetivos. Este equilibrio entre automatización y control humano es esencial para maximizar los beneficios de esta tecnología.
Mirando hacia el futuro, a medida que las técnicas de NLP continúan evolucionando y mejorando, se espera que el uso de NER se expanda aún más, ofreciendo mayores capacidades de automatización y precisión. La integración de NER con otras técnicas de NLP promete abrir nuevas rutas para la exploración y el manejo de información que podrían revolucionar aún más los flujos de descripción de colecciones digitales (un ejemplo de la combinación de técnicas de NLP se puede ver en: https://bdcv.hypotheses.org/5507).
El Reconocimiento de Entidades Nombradas representa una herramienta valiosa y potente en la descripción de textos, y su integración en los flujos de descripción de colecciones digitales no solo es deseable, sino esencial para enfrentar los retos de la era digital.
Referencias
Alija, A. (2022). Probamos SpaCy: mucho más que una librería para crear proyectos reales de procesamiento del lenguaje natural. https://datos.gob.es/es/blog/probamos-spacy-mucho-mas-que-una-libreria-para-crear-proyectos-reales-de-procesamiento-del
Carter, K. S., Gondek, A., Underwood, W., Randby, T., & Marciano, R. (2022). Using AI and ML to optimize information discovery in under-utilized, Holocaust related records. AI & SOCIETY, 37(3), 837-858. https://doi.org/10.1007/s00146-021-01368-w
Ehrmann, M., Hamdi, A., Pontes, E L., Romanello, M., & Doucet, A. (2023, septiembre 14). Named Entity Recognition and Classification in Historical Documents: A Survey. Association for Computing Machinery, 56(2), 1-47. https://doi.org/https://doi.org/10.1145/3604931
Luthra, M., Todorov, K., Jeurgens, C., & Colavizza, G. (2022, enero 1). Unsilencing Colonial Archives via Automated Entity Recognition. Cornell University. https://doi.org/https://doi.org/10.48550/arxiv.2210.02194
Nieto, M G. (2017, Noviembre 29). La importancia de tener un NER – IIC. https://www.iic.uam.es/inteligencia/la-importancia-tener-ner/
Ortega, C. (2024). Modelos de machine learning: Qué son, tipos y aplicaciones. https://www.questionpro.com/blog/es/modelos-de-machine-learning/
Vállez, M., & Pedraza, R. (2007, Mayo 24). Natural Language Processing in Textual Information Retrieval and Related Topics. https://arxiu-web.upf.edu/hipertextnet/en/numero-5/pln.html
Yan, W., Fan, C., Chen, G., Chen, X., & Chen, M. (2020, enero 1). A Survey on Named Entity Recognition. Lecture notes in electrical engineering, 1803-1810. https://doi.org/10.1007/978-981-13-9409-6_218
OpenEdition le sugiere que cite este post de la siguiente manera:
Rodrigo Cuéllar Hidalgo (26 de febrero de 2025). Reconocimiento de Entidades Nombradas (NER): una técnica para agilizar el procesamiento de colecciones digitales . Amontonamos las palabras: Blog de la Biblioteca de El Colegio de México. Recuperado 26 de abril de 2025 de https://doi.org/10.58079/13dqq