इकाई निष्कर्षण पूर्वनिर्मित मॉडल
पूर्वनिर्मित इकाई निष्कर्षण मॉडल पाठ 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। इससे असंरचित डेटा को मशीन द्वारा पठनीय संरचित डेटा में बदलने में मदद मिल सकती है। इसके बाद आप सूचना प्राप्त करने, तथ्य निकालने और प्रश्नों के उत्तर देने के लिए प्रसंस्करण लागू कर सकते हैं।
पूर्वनिर्मित मॉडल तुरंत उपयोग के लिए तैयार है। अपनी विशिष्ट आवश्यकताओं के अनुरूप अपने निकाय निष्कर्षण को अनुकूलित करने के बारे में जानकारी के लिए, निकाय निष्कर्षण कस्टम मॉडल का अवलोकन देखें।
आप अपने प्रवाह में इसे आयात करने से पहले इकाई निष्कर्षण मॉडल को आज़मा सकते हैं।
लॉग इन करें Power Apps या Power Automate.
बाएँ फलक पर, ... अधिक>AI हब चुनें.
AI क्षमता खोजें के अंतर्गत, AI मॉडल का चयन करें.
(वैकल्पिक) आसान पहुंच के लिए AI मॉडल को स्थायी रूप से मेनू पर रखने के लिए, पिन आइकन का चयन करें।
चयन करें इकाई निष्कर्षण - पाठ से मुख्य तत्वों को निकालें, और उन्हें पूर्वनिर्धारित श्रेणियों में वर्गीकृत करें.
विश्लेषण करने के लिए पूर्वनिर्धारित पाठ नमूने का चयन करें, या अपना स्वयं का पाठ जोड़ें, यह देखने के लिए कि मॉडल आपके पाठ का विश्लेषण कैसे करता है, पाठ का विश्लेषण करें का चयन करें।
आप फ़ॉर्मूला 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 इन AI Builder मॉडलों Power Apps (पूर्वावलोकन) देखें।
यदि आप इस प्रीबिल्ट मॉडल का उपयोग Power Automate में करना चाहते हैं, तो आप एंटी एक्सट्रैक्शन प्रीबिल्ट मॉडल का उपयोग Power Automate में अधिक जानकारी प्राप्त कर सकते हैं।
- दस्तावेज़ 5,000 वर्णों से अधिक नहीं हो सकते.
- समर्थित भाषाएँ:
- अंग्रेज़ी
- चीनी-सरलीकृत
- फ़्रेंच
- जर्मन
- पुर्तगाली (पुर्तगाल)
- इतालवी
- स्पेनी
| 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 | मानक टाइमस्पैन प्रारूप में स्ट्रिंग के रूप में निकाली गई समय की लंबाई |
| 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 पाठ रूप में प्रतिशत, संख्या के रूप में निकाला गया |
| 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 के राज्यों के नाम और संक्षिप्त नाम, एक स्ट्रिंग के रूप में निकाले गए |
| पता | मानक अमेरिकी प्रारूप में क्रमांकित पते, गलियाँ या सड़कें, शहर, राज्य, ज़िप या डाक कोड, एक स्ट्रिंग के रूप में निकाले गए |
| 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 अमेरिकी प्रारूप में ज़िप कोड, एक स्ट्रिंग के रूप में निकाले गए |
मॉडल आउटपुट पहचानी गई इकाइयों और उनके इकाई प्रकारों को दर्शाता 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 |
इकाई निष्कर्षण पूर्वनिर्मित मॉडल का उपयोग करें Power Automate