Quiénes aparecen
entidades nombradas?Entidades nombradas (NER). Los nombres propios que aparecen en un texto: personas, lugares, instituciones. En minería de texto se llama NER (reconocimiento de entidades nombradas). Acá los reconoce un modelo entrenado con textos en español (spaCy); al lado se muestra lo que veían nuestras reglas —la mayúscula y listas de palabras conocidas— como contraste.⚠️ El modelo acierta unas dos de cada tres veces, y las reglas una de cada tres: siempre queda algo mal puesto. Un apellido solo («Montenegro») se junta con el nombre completo si apareció antes en el texto; si no, queda como otra persona.leer más →
Las palabras dicen de qué se habla. Los nombres dicen de quién: las personas, las organizaciones y los lugares más nombrados, con los dos filtros sin los cuales la lista es correcta e inútil.
Sobre qué se buscan los nombres
01 — Lo que sale
Personas
- 55
- 43
- 28
- 22
- 22
- 21
- 20
- 18
- 17
- 16
Organizaciones
- 41
- 36
- 30
- 26
- 25
- 21
- 21
- 20
- 17
- 14
Lugares
- 81
- 74
- 49
- 36
- 26
- 25
- 25
- 24
- 22
- 21
640 notas · 5 diarios · 262.940 palabras · el número es cuántas veces se nombra. Tocá un nombre para ver dónde lo dicen y con qué palabras aparece. Lo tachado es lo que sacaron los filtros de abajo. Los nombres los encontró un modelo —spaCy, es_core_news_md— que corre en nuestra máquina.
Lo que veían nuestras reglas
Hasta el 25 de agosto de 2026 esta lista salía de reglas nuestras: dos palabras con mayúscula seguidas, más listas de cargos, de instituciones y de barrios. Medidas contra 30 notas marcadas a mano encontraban 26 de cada 100 nombres —22 de cada 100 personas— contra 63 del modelo (93 en personas). Se quedan acá porque se pueden abrir y mirar por dentro, que es lo que al modelo no se le puede hacer.
Personas
- Guillermo Montenegro 135
- Javier Milei 51
- Mariano Moyano 32
- Gustavo Torres 30
- Ayelén Romero 22
- Federico Sturzenegger 20
- Sosa Intaschi 17
- Erika Romero 15
- Fernando Berlingeri 13
- Desarrollo Social 13
Organizaciones
- Gobierno 196
- Provincia 127
- Justicia 116
- Policía 110
- Universidad 101
- Hospital 96
- Fiscalía 69
- Concejo Deliberante 66
- Unidad Penal 58
- Nación 56
Lugares
- Centro 126
- Batán 115
- Libertad 79
- Puerto 64
- San Juan 35
- Necochea 32
- Azul 31
- Brasil 29
- España 27
- Córdoba 25
Personas · sólo el modelo: Saturnino, Erika Ayelén Romero, Papa León XIV, Marcelo Cardoso, Facundo De La Canale · sólo las reglas: Mariano Moyano, Ayelén Romero, Sosa Intaschi, Erika Romero, Desarrollo Social
Organizaciones · sólo el modelo: Departamento Ejecutivo, Corte Suprema de Justicia, Policía Científica, Universidad Nacional de Mar del Plata, HIGA, PRO Mar del Plata, Unidad Penal N, CEMA Batán · sólo las reglas: Gobierno, Provincia, Justicia, Policía, Universidad, Hospital, Fiscalía, Unidad Penal
Lugares · sólo el modelo: Prefectura Naval Argentina, CEMA Batán, provincia de Buenos Aires, Municipio de Maipú, intendente Montenegro, Hospital Interzonal General de Agudos, La Campagnola, Centro Barrial Parroquial · sólo las reglas: Centro, Batán, Libertad, Puerto, San Juan, Necochea, Azul, Brasil
Qué se pierde acá: el modelo también se equivoca —a veces toma un título de nota por una organización, o parte un nombre— y, a diferencia de las reglas, no podés abrirlo y ver por qué decidió. Donde los dos coinciden hay bastante seguridad; donde se separan, tocá el nombre y mirá la frase.
03 — La perilla
Dos filtros que cambian todo
Sin ellos la lista es correcta y a la vez inútil. Lo descartado se ve tachado arriba.
«Mar del Plata» y los nombres de los diarios aparecen en todas las notas: es cierto y no dice nada. Como actores, son ruido. Y «Clínica Colón» no es una persona por más que empiece con mayúscula: cambia de columna.
04 — El límite
¿Qué es Quiénes aparecen? — ver más
Los nombres los encuentra un modelo entrenado (spaCy) que lee la frase entera y aprendió, sobre miles de textos en español marcados a mano, qué suena a nombre de persona, de organización o de lugar. Después nosotros acomodamos: el apellido suelto se suma al nombre completo, y se tachan la ciudad y los diarios, que están en todas las notas y no dicen nada.
NER (reconocimiento de entidades nombradas) por modelo estadístico, no por reglas: spaCy es_core_news_md, corriendo en nuestro propio servidor. Nuestras reglas anteriores —mayúsculas más listas de cargos e instituciones— quedan al lado como contraste, porque se pueden mostrar por dentro y el modelo no.
Leer la explicación completa: cómo se hace paso a paso, y los trabajos que fundaron la técnica →
Con una cuenta gratis cargás tus textos, los etiquetás, corrés estos mismos análisis sobre ellos y publicás lo que encontraste. Cuando publicás tu primera investigación, sos investigador del HLab.
Crear mi cuenta → Ver un caso completo: El Marquesado