20. 在對低結構化文字數據進行情感分析前，進行實體識別 (Named Entity Recognition, NER)，下列哪一項是主要目的？
(A) 確定文本中的語法結構
(B) 識別和分類文本中的專有名詞
(C) 計數文本中的每個字詞出現次數
(D) 建立文本的自動摘要

在對低結構化文字數據進行情感分析前，進行 實體識別 (Named Entity Recognition, NER) 的主要目的是：

正確答案：

(B) 識別和分類文本中的專有名詞

解析：

Named Entity Recognition (NER) 是自然語言處理 (NLP) 的一個關鍵步驟，主要用於識別和分類文本中的 專有名詞，例如：

• 人名（e.g., Elon Musk, 馬斯克）
• 地名（e.g., New York, 台北）
• 機構名稱（e.g., Google, 台灣大學）
• 日期、時間（e.g., 2023年, 昨天）
• 數值、貨幣（e.g., 100 美元, 500 公里）
• 產品、品牌（e.g., iPhone, Tesla）

為什麼 NER 在情感分析中有幫助？

• 可以幫助了解情感的對象（例如，知道用戶是在談論某家公司還是某個產品）。
• 可以幫助去除不必要的詞，讓情感分析更專注於關鍵內容。
• 可以幫助建立更準確的關聯分析，例如發現人們對某品牌的正負面情緒。

為什麼其他選項錯誤？

1. (A) 確定文本中的語法結構 ❌

   • 這屬於 句法分析 (Syntactic Parsing)，主要是分析詞性 (POS tagging)、語法結構，與 NER 不同。

2. (C) 計數文本中的每個字詞出現次數 ❌

   • 這是 詞頻分析 (Term Frequency, TF)，例如 TF-IDF，與 NER 無關。

3. (D) 建立文本的自動摘要 ❌

   • 自動摘要屬於 文本摘要 (Text Summarization)，主要透過主題提取和壓縮內容來生成摘要，與 NER 的目的不同。

結論

NER 的主要目標是識別和分類文本中的專有名詞，幫助提取關鍵信息，因此正確答案是 (B)。