Extrakce informací

Note

Tato stránka popisuje novou verzi extrakce informací. Informace o předchozí verzi najdete v tématu Použití extrakce informací (starší verze)

Extrakce informací transformuje nestrukturované dokumenty a text na klíč, strukturované přehledy pomocí definovaného schématu. Tím můžete přímo využívat informace obsažené v nestrukturovaném textu, souborech PDF, obrázcích nebo tabulkách k analýze, tvorbě reportů nebo v navazujících agentech a aplikacích.

Mezi příklady extrakce informací patří:

• Extrahování právních stran a podmínek z smluv.
• Extrahování řádkových položek a platebních podmínek z faktur
• Vytahování klíčových podrobností z lékařských záznamů a poznámek.

Extrakce informací je postavena na funkci ai_extractAI . Extrakce informací má vizuální uživatelské rozhraní pro přizpůsobení a optimalizaci funkce s definovaným schématem pro extrakci.

Extrakce informací používá výchozí úložiště k ukládání dočasných transformací dat, kontrolních bodů modelu a interních metadat, která využívají každého agenta. Když odstraníte agenta, Databricks odebere všechna data přidružená k agentovi z výchozího úložiště.

Požadavky

• Pracovní prostor, který obsahuje následující:
  • Bezserverové výpočetní prostředky jsou povolené. Viz požadavky na výpočetní prostředky bez serveru.
  • Katalog Unity je povolený. Viz také Povolit pracovní prostor pro Unity Catalog.
  • Přístup k zásadám bezserverového využití s nenulovým rozpočtem
• Tato funkce je dostupná jenom v některých oblastech, viz dostupnost funkce AI.
• Pro pracovní prostory s doplňkem Rozšířené zabezpečení a dodržování předpisů
  • Informace o regionální podpoře pro ai_extract naleznete v příslušném standardu pro dodržování předpisů.
  • Informace o tom, jak tuto funkci povolit v pracovním prostoru, najdete v tématu Správa verzí Preview služby Azure Databricks.
• Schopnost používat ai_extract funkci SQL
• Nestrukturovaná data, ze které chcete extrahovat informace. Data musí být ve svazku nebo tabulce katalogu Unity.
  • Chcete-li sestavit agenta, musíte mít alespoň 1 soubor ve svazku v Unity Catalog nebo alespoň 1 řádek v tabulce.

Vytvoření agenta pro extrakci informací

Přejděte na Agenti v levém navigačním podokně vašeho pracovního prostoru. Klikněte na Vytvořit agenta>Extrakce informací.

Krok 1. Vyberte data, ze které chcete extrahovat informace.

1. Na stránce Začít s daty vyberte soubory nebo data, ze které chcete extrahovat informace. Můžete udělat některou z těchto věcí:

   • Přetáhněte jeden nebo více souborů do oblasti pro nahrání nebo kliknutím vyhledejte soubory, které chcete nahrát.
   • Kliknutím na Vybrat svazek vyberte svazek katalogu Unity s podporovanými typy souborů.
   • Kliknutím na Vybrat tabulku vyberete tabulku katalogu Unity, která obsahuje textová data.

2. Pokud vyberete tabulku, vyberte sloupec obsahující data, ze které se mají extrahovat. Než budete moct pokračovat, musíte vybrat sloupec s podporovaným typem, například STRING nebo VARIANT. Pokud tabulka neobsahuje žádné podporované sloupce, vyberte jinou tabulku.

3. Klikněte na Vytvořit agenta. Toto tlačítko se povolí až po výběru platného zdroje dat a podporovaného sloupce tabulky.

Krok 2. Konfigurace a upřesnění schématu extrakce

Jakmile extrakce informací zpracuje vaše data, nakonfigurujte a upřesněte, jaká data chcete extrahovat z dokumentů.

1. V části Konfigurace definujte schéma extrakce. Můžete to udělat několika způsoby:

   • Zadejte přirozený jazyk, který popisuje informace, které chcete extrahovat, a klikněte na Generovat schéma. Extrahování informací automaticky vygeneruje schéma JSON s názvy polí a definicemi za vás. Podle potřeby upravte tyto popisy.
   • Alternativně klikněte na Nebo, Definovat ručně pro ruční definování vašeho schématu:
     1. Klikněte na Přidat pole.
     2. Zadejte název pole, typ a popis.
     3. Klikněte na tlačítko Potvrdit.
     4. Opakujte pro každé pole, které chcete extrahovat.
     5. Klikněte na Uložit a spustit extrakci.
   • Můžete také kliknout na JSON a upravit schéma JSON přímo. Po dokončení klikněte na Použít změny .

   Pokaždé, když aktualizujete schéma a kliknete na Uložit a spustit extrakci, extrahování informací aktualizuje agenta extrakce, spustí extrakci a zobrazí výsledky pro každý vstup.

2. Vlevo prohlédněte analyzovaný dokument a extrakci agenta. Iterujte výsledky extrakce dvěma způsoby. Nejprve poskytněte zpětnou vazbu přirozeného jazyka na jeden nebo více vstupů, které automaticky naladí vaše popisy při stisknutí klávesy Uložit a spustit extrakci. Za druhé, ručně revidujte popisy schématu, které se projeví po stisknutí klávesy Uložit a spustit extrakci.

3. Pomocí verzí můžete porovnat předchozí konfiguraci nebo se vrátit k předchozí konfiguraci. Klepněte na tlačítko Verze a potom klepněte na tlačítko Porovnat porovnat definici schématu předchozí verze s aktuální verzí. Kliknutím na Obnovit obnovíte předchozí verzi.

Krok 3. Použijte svého agenta pro extrakci

Jakmile budete spokojeni s výkonem agenta, použijte agenta k extrahování informací.

V pravém horním rohu klikněte na Použít agenta . Můžete vybrat jednu z těchto akcí:

• Spuštěním v SQL můžete pomocí agenta extrahovat informace ze všech vašich dat. Tím se otevře dotaz SQL, který používá ai_extract k extrakci informací ze svazku nebo tabulky pomocí definovaného schématu. Další informace o použití ai_extract v dotazech SQL najdete v dokumentaci k ai_extract funkci.
• Vytvořte kanál Lakeflow , který běží v naplánovaných intervalech a vyvolá agenta na nových datech. Tím se vytvoří kanál Lakeflow, který aktualizuje streamovanou tabulku s extrahovanými daty. Můžete nakonfigurovat plán pipeline, aby se spustil při příchodu nových dat. Další informace o kanálech Lakeflow najdete v tématu Deklarativní kanály Sparku.

Limitations

• Viz omezení

• Agenti extrakce informací mají maximální kontextovou délku 128 000 tokenů.
• Typy schémat sjednocení nejsou podporovány.