इकाई निष्कर्षण पूर्वनिर्मित मॉडल

प्रीबिल्ट एंटिटी एक्सट्रैक्शन मॉडल टेक्स्ट से विशिष्ट डेटा को पहचानता है जो आपके व्यवसाय के लिए रुचिकर है। मॉडल पाठ से प्रमुख तत्वों की पहचान करता है, और फिर उन्हें पूर्वनिर्धारित श्रेणियों में वर्गीकृत करता है। यह असंरचित डेटा को मशीन-पठनीय संरचित डेटा में बदलने में मदद कर सकता है। फिर आप जानकारी प्राप्त करने, तथ्य निकालने और प्रश्नों के उत्तर देने के लिए प्रसंस्करण लागू कर सकते हैं।

प्रीबिल्ट मॉडल बॉक्स से बाहर उपयोग के लिए तैयार है। अपनी विशिष्ट आवश्यकताओं के अनुरूप अपने इकाई निष्कर्षण को अनुकूलित करने के बारे में जानकारी के लिए, इकाई निष्कर्षण कस्टम मॉडल का अवलोकन देखें।

Power Apps में उपयोग करें

इकाई निष्कर्षण का अन्वेषण करें

आप इकाई निष्कर्षण मॉडल को अपने प्रवाह में आयात करने से पहले उसे आज़मा सकते हैं।

1. Power Apps या में लॉग इन करें। Power Automate

2. बाएँ फलक पर, ... अधिक>AI हब चुनें।

3. AI क्षमता खोजें के अंतर्गत, AI मॉडल चुनें।

   (वैकल्पिक) आसान पहुंच के लिए एआई मॉडल को मेनू पर स्थायी रूप से रखने के लिए, पिन आइकन का चयन करें।

4. एंटिटी एक्सट्रैक्शन चुनें - टेक्स्ट से मुख्य तत्व निकालें, और उन्हें पूर्वनिर्धारित श्रेणियों में वर्गीकृत करें।

5. विश्लेषण करने के लिए पूर्वनिर्धारित पाठ नमूने चुनें, या अपना स्वयं का पाठ जोड़ें, यह देखने के लिए कि मॉडल आपके पाठ का विश्लेषण कैसे करता है, पाठ का विश्लेषण करें चुनें।

सूत्र पट्टी का प्रयोग करें

आप फॉर्मूला बार का उपयोग करके अपने AI Builder इकाई निष्कर्षण मॉडल को Power Apps Studio में एकीकृत कर सकते हैं। अधिक जानकारी के लिए, Power Fx में AI Builder मॉडल का उपयोग करें Power Apps (पूर्वावलोकन) देखें।

Power Automate में उपयोग करें

यदि आप इस प्रीबिल्ट मॉडल का उपयोग Power Automate में करना चाहते हैं, तो आप में इकाई निष्कर्षण प्रीबिल्ट मॉडल का उपयोग करें Power Automate में अधिक जानकारी पा सकते हैं।

समर्थित डेटा प्रारूप और भाषाएँ

• दस्तावेज़ 5,000 वर्णों से अधिक नहीं हो सकते.
• समर्थित भाषाएँ:
  • अंग्रेज़ी
  • चीनी-सरलीकृत
  • फ़्रेंच
  • जर्मन
  • पुर्तगाली (पुर्तगाल)
  • इतालवी
  • स्पेनी

समर्थित इकाई प्रकार

इकाई	विवरण
आयु	व्यक्ति की आयु, स्थान या वस्तु, एक संख्या के रूप में निकाले गए
Boolean	बूलियन के रूप में निकाली गई सकारात्मक या नकारात्मक प्रतिक्रियाएँ
शहर	शहर के नाम, एक स्ट्रिंग के रूप में निकाले गए
रंग	रंग स्पेक्ट्रम पर प्राथमिक रंग और ह्यूज़, एक स्ट्रिंग के रूप में निकाले गए
महाद्वीप	महाद्वीप के नाम, एक स्ट्रिंग के रूप में निकाले गए
देश या क्षेत्र	देश और क्षेत्र के नाम, एक स्ट्रिंग के रूप में निकाले गए
तिथि और समय	एक समय बिन्दु के सापेक्ष दिनांक, समय, सप्ताह के दिन, और महीने, एक स्ट्रिंग के रूप में निकाले गए
अवधि	समय की लंबाई, मानक टाइमस्पैन प्रारूप में एक स्ट्रिंग के रूप में निकाली गई
ईमेल करें	ईमेल पते, एक स्ट्रिंग के रूप में निकाले गए
ईवेंट	इवेंट के नाम, एक स्ट्रिंग के रूप में निकाले गए
भाषा	भाषा के नाम, एक स्ट्रिंग के रूप में निकाले गए
Money	मौद्रिक राशि, एक संख्या के रूप में निकाली गई
नंबर	संख्यात्मक या पाठ रूप में कार्डिनल संख्याएँ, एक संख्या के रूप में निकाली गई
क्रमवाचक	संख्यात्मक या पाठ रूप में क्रमसूचक संख्याएँ, एक संख्या के रूप में निकाली गई
संगठन	संगठन, संस्थाओं और निगमों के नाम, एक स्ट्रिंग के रूप में निकाले गए
प्रतिशत	संख्यात्मक या पाठ्य रूप में प्रतिशत, एक संख्या के रूप में निकाला जाता है
व्यक्ति का नाम	किसी व्यक्ति का आंशिक या पूर्ण नाम, एक स्ट्रिंग के रूप में निकाला गया
फ़ोन नंबर	मानक यूएस प्रारूप में फ़ोन नंबर, स्ट्रिंग के रूप में निकाले गए
गति	गति, एक संख्या के रूप में निकाली गई
स्टेट	संयुक्त राज्य अमेरिका में राज्यों के नाम और संक्षिप्ताक्षर, एक स्ट्रिंग के रूप में निकाले गए
पता	मानक यूएस प्रारूप में क्रमांकित पते, सड़कें या सड़कें, शहर, राज्य, ज़िप या पोस्टल कोड, एक स्ट्रिंग के रूप में निकाला गया
तापमान	तापमान, एक संख्या के रूप में निकाला गया
URL	वेबसाइट के URL और लिंक, एक स्ट्रिंग के रूप में निकाले गए
वज़न	वज़न, एक संख्या के रूप में निकाला गया
ज़िप कोड	मानक यूएस प्रारूप में ज़िप कोड, एक स्ट्रिंग के रूप में निकाले गए

मॉडल आउटपुट

मॉडल आउटपुट पहचानी गई संस्थाओं और उनके इकाई प्रकारों को दिखाता है। उदाहरण के लिए:

इनपुट टेक्स्ट: "हमारे बोस्टन कार्यालय में उपयोगिता लागत में 7% की वृद्धि हुई है"

मॉडल आउटपुट इकाइयाँ:

इकाई	निकाय प्रकार
7%	प्रतिशत
बोस्टान	शहर

अगला कदम

इकाई निष्कर्षण पूर्वनिर्मित मॉडल का उपयोग करें Power Automate