Model prabina pengekstrakan entiti
Model pengekstrakan entiti prabina mengiktiraf data tertentu daripada teks yang menarik minat perniagaan anda. Model ini mengenal pasti unsur utama daripada teks, dan kemudian mengklasifikasikannya ke dalam kategori yang telah ditetapkan. Ini boleh membantu mengubah data yang tidak berstruktur kepada data berstruktur yang boleh dibaca oleh mesin. Anda kemudian boleh menggunakan pemprosesan untuk mendapatkan maklumat, mengekstrak fakta, dan menjawab soalan.
Model prabina sedia untuk digunakan di luar kotak. Untuk maklumat tentang menyesuaikan pengekstrakan entiti anda agar sesuai dengan keperluan khusus anda, lihat Gambaran keseluruhan model tersuai pengekstrakan entiti.
Gunakan dalam Power Apps
Terokai pengekstrakan entiti
Anda boleh mencuba model pengekstrakan entiti sebelum anda mengimportnya ke dalam aliran anda.
Log masuk ke Power Apps atau Power Automate.
Pada anak tetingkap kiri, pilih ... Lebih>banyak hab AI.
Di bawah Temui keupayaan AI, pilih model AI.
(Pilihan) Untuk mengekalkan model AI secara kekal pada menu untuk akses mudah, pilih ikon pin.
Pilih Pengekstrakan Entiti - Mengekstrak unsur utama daripada teks dan mengklasifikasikannya ke dalam kategori yang telah ditetapkan.
Pilih sampel teks yang dipratentukan untuk menganalisis atau menambah teks anda sendiri, pilih Analisis teks untuk melihat cara model menganalisis teks anda.
Menggunakan bar formula
Anda boleh menyepadukan model pengekstrakan entiti anda AI Builder dengan Power Apps Studio menggunakan bar formula. Untuk maklumat lanjut, lihat Gunakan Power Fx dalam model dalam AI Builder Power Apps (pratonton).
Gunakan dalam Power Automate
Jika anda ingin menggunakan model prabina ini, anda boleh mendapatkan lebih banyak maklumat dalam Power AutomateGunakan model Power Automate prabina pengekstrakan entiti.
Format data dan bahasa yang disokong
- Dokumen tidak boleh melebihi 5,000 aksara.
- Bahasa yang disokong:
- Inggeris
- Cina-Ringkas
- Perancis
- Jerman
- Bahasa Portugis
- Itali
- Sepanyol
Jenis entiti yang disokong
| EntitI | Description |
|---|---|
| Umur | Umur seseorang, tempat, atau benda, diekstrak sebagai nombor |
| Boolean | Tindak balas positif atau negatif, diekstrak sebagai Boolean |
| Bandar | Nama bandar, diekstrak sebagai rentetan |
| Warna | Warna dan warna utama pada spektrum warna, diekstrak sebagai rentetan |
| Benua | Nama benua, diekstrak sebagai rentetan |
| Negara atau rantau | Nama negara dan rantau, diekstrak sebagai rentetan |
| Tarikh dan masa | Tarikh, masa, hari dalam seminggu dan bulan berbanding titik dalam masa, diekstrak sebagai rentetan |
| Tempoh | Tempoh masa, diekstrak sebagai rentetan dalam format TimeSpan standard |
| E-mel | Alamat e-mel, diekstrak sebagai rentetan |
| Peristiwa | Nama peristiwa, diekstrak sebagai rentetan |
| Bahasa | Nama bahasa, diekstrak sebagai rentetan |
| Money | Jumlah wang, diekstrak sebagai nombor |
| Nombor | Nombor kardinal dalam bentuk angka atau teks, diekstrak sebagai nombor |
| Ordinal | Nombor ordinal dalam bentuk angka atau teks, diekstrak sebagai nombor |
| Organisasi | Nama organisasi, persatuan dan syarikat, diekstrak sebagai rentetan |
| Peratusan | Peratusan dalam bentuk angka atau teks, diekstrak sebagai nombor |
| Nama individu | Nama separa atau penuh seseorang, diekstrak sebagai rentetan |
| Nombor telefon | Nombor telefon dalam format standard AS, diekstrak sebagai rentetan |
| Kelajuan | Kelajuan, diekstrak sebagai nombor |
| Negeri | Nama dan singkatan bagi negeri-negeri di Amerika Syarikat, diekstrak sebagai rentetan |
| Alamat jalan | Alamat bernombor, jalan atau jalan raya, bandar, negeri, ZIP atau poskod dalam format standard AS, diekstrak sebagai rentetan |
| Suhu | Suhu, diekstrak sebagai nombor |
| URL | URL dan pautan laman web, diekstrak sebagai rentetan |
| Wajaran | Berat, diekstrak sebagai nombor |
| Poskod | Poskod dalam format standard AS, diekstrak sebagai rentetan |
Output model
Output model menunjukkan entiti yang dikenal pasti dan jenis entiti mereka. Contohnya:
Teks input: "Kos utiliti telah meningkat sebanyak 7% di pejabat Boston kami"
Entiti output model:
| EntitI | Jenis entiti |
|---|---|
| 7% | Peratusan |
| Boston | Bandar |
Langkah seterusnya
Gunakan model prabina pengekstrakan entiti dalam Power Automate