Ambil perhatian
Akses ke halaman ini memerlukan kebenaran. Anda boleh cuba log masuk atau menukar direktori.
Akses ke halaman ini memerlukan kebenaran. Anda boleh cuba menukar direktori.
Model pengekstrakan entiti prabina mengiktiraf data tertentu daripada teks yang menarik minat perniagaan anda. Model mengenal pasti elemen utama daripada teks, dan kemudian mengklasifikasikannya ke dalam kategori yang telah ditetapkan. Ini boleh membantu mengubah data tidak berstruktur kepada data berstruktur yang boleh dibaca mesin. Anda kemudian boleh menggunakan pemprosesan untuk mendapatkan maklumat, mengekstrak fakta dan menjawab soalan.
Model prabina sedia untuk digunakan di luar kotak. Ketahui lebih lanjut tentang menyesuaikan pengekstrakan entiti anda untuk memenuhi keperluan khusus anda dalam 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 awan anda.
Log masuk ke Power Apps atau Power Automate.
Pada anak tetingkap kiri, pilih ... Lebih banyak>hab AI.
Pilih model AI.
(Pilihan) Untuk memastikan model AI kekal pada menu untuk akses mudah, pilih ikon pin.
Pilih Pengekstrakan Entiti - Ekstrak elemen utama daripada teks dan klasifikasikannya ke dalam kategori yang telah ditetapkan.
Pilih sampel teks yang telah dipratakrifkan untuk dianalisis, atau tambah teks anda sendiri, pilih Analisis teks untuk memaparkan cara model menganalisis teks anda.
Gunakan bar formula
Anda boleh menyepadukan model pengekstrakan entiti anda AI Builder dengan Power Apps Studio menggunakan bar formula. Ketahui lebih lanjut dalam Gunakan Power Fx dalam model AI Builder dalam Power Apps (pratonton).
Gunakan dalam Power Automate
Jika anda ingin menggunakan model Power Automate prabina ini, anda boleh mendapatkan maklumat lanjut dalam Gunakan model prabina pengekstrakan entiti dalam Power Automate.
Format dan bahasa data 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 wilayah, diekstrak sebagai rentetan |
| Tarikh dan masa | Tarikh, masa, hari dalam seminggu dan bulan relatif kepada titik masa, diekstrak sebagai rentetan |
| Tempoh | Tempoh masa, diekstrak sebagai rentetan dalam format TimeSpan standard |
| E-mel | Alamat e-mel, diekstrak sebagai rentetan |
| Peristiwa | Nama acara, diekstrak sebagai rentetan |
| Bahasa | Nama bahasa, diekstrak sebagai rentetan |
| Money | Jumlah kewangan, 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 |
| Peratus | Peratusan dalam bentuk angka atau teks, diekstrak sebagai nombor |
| Nama orang | Nama separa atau penuh seseorang, diekstrak sebagai rentetan |
| Nombor telefon | Nombor telefon dalam format AS standard, diekstrak sebagai rentetan |
| Kelajuan | Kelajuan, diekstrak sebagai nombor |
| Negeri | Nama dan singkatan untuk negeri di Amerika Syarikat, diekstrak sebagai rentetan |
| Alamat jalan | Alamat bernombor, jalan atau jalan raya, bandar, negeri, poskod atau poskod dalam format AS standard, 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 AS standard, diekstrak sebagai rentetan |
Keluaran 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% | Peratus |
| Boston | Bandar |
Langkah seterusnya
Gunakan model prabina pengekstrakan entiti dalam Power Automate