Dela via


Inbyggd modell för entitetsextrahering

Den inbyggda modellen för entitetsextrahering känner igen specifika data från text som är av intresse för ditt företag. Modellen identifierar viktiga element från texten och klassificerar dem sedan i fördefinierade kategorier. Detta kan hjälpa till att transformera ostrukturerade data till strukturerade data som är maskinläsbara. Du kan sedan tillämpa bearbetning för att hämta information, extrahera fakta och besvara frågor.

Den fördefinierade modellen kan användas i kartongen. Mer information om hur du anpassar entitetens extrahering efter dina specifika behov finns i Översikt över den anpassade modellen för entitetsextrahering.

Används i Power Apps

Utforska entitetsextrahering

Du kan testa modellen för entitetsextrahering innan du importerar den till ditt flöde.

  1. Logga in på Power Apps eller Power Automate.

  2. I vänster fönster väljer du ... Mer>AI-nav.

  3. Under Upptäck en AI-kapacitet, välj AI-modeller.

    (Valfritt) För att behålla AI-modeller permanent på menyn för enkel åtkomst, välj nålikonen.

  4. Välj Entitetsextrahering – Extrahera viktiga element från text och klassificera dem i fördefinierade kategorier.

  5. Välj fördefinierade textexempel att analysera eller lägg till egen text i Analysera text för att se hur modellen analyserar text.

Använd formelfältet

Du kan integrera AI Builder modell för entitetsextrahering i Power Apps Studio med hjälp av formelfältet. Mer information finns i Använda Power Fx i AI Builder modeller i Power Apps (förhandsgranskning).

Används i Power Automate

Om du vill använda den här inbyggda modellen i Power Automate kan du läsa mer i Använda inbyggd modell för entitetsextrahering i Power Automate.

Dataformat och språk som stöds

  • Dokument får inte vara längre än 5 000 tecken.
  • Språk som stöds:
    • Engelska
    • Kinesiska (förenklad)
    • Franska
    • Tyska
    • Portugisiska
    • Italienska
    • Spanska

Entitetstyper som stöds

Entity Beskrivning
Ålder Ålder för en person, plats eller sak, extraherad som tal
Boolean Positiva eller negativa svar, extraherade som ett booleskt värde
Ort Ortsnamn, extraherade som strängar
Färg Primärfärger och nyanser i färgspektrumet, extraherade som strängar
Kontinent Namn på kontinenter, extraherade som strängar
Land/region Lands- eller regionnamn, extraherade som strängar
Datum och tid Datum, tid, dagar i veckan och månader i förhållande till en tidpunkt, extraherade som en sträng
Tid Tidslängder, extraherade som en sträng, i TimeSpan-standardformat
E-postadress E-postadresser, extraherade som en sträng
Händelse Händelsenamn, extraherade som strängar
Language Språknamn, extraherade som strängar
Belopp Penningbelopp, extraherade som tal
Antal Kardinaltal i numerisk form eller textform, extraherade som tal
Ordning Ordningstal i numerisk form eller textform, extraherade som tal
Organisation Namn på organisationer, föreningar och företag, extraherade som en sträng
Procentandel Procent i numerisk form eller textform, extraherade som tal
Personnamn Delar av eller hela en persons namn, extraherat som en sträng
Telefonnummer Telefonnummer i US-standardformat, extraherade som strängar
Hastighet Hastighet, extraherad som en siffra
Status Namn och för kortningar för delstater i USA, extraherade som en sträng
Gatuadress Numrerade adresser, gator och vägar, ort, delstat/region, postnummer i amerikanskt standardformat, extraherade som en sträng
Temperatur Temperatur, extraherad som tal
webbadress Adresser och länkar till webbplats, extraherade som en sträng
Vikt Vikt, extraherad som en siffra
Postnummer Postnummer i amerikanskt standardformat, extraherade som en sträng

Modell-utdata

Modellutdata visar de identifierade entiteterna och deras entitetstyper. Till exempel:

Indatatexten: ”Kostnaderna för våra Boston-kontor har ökat med 7 %”

Modellutdataentiteter:

Entity Entitetstyp
7 % Procentandel
Boston Ort

Nästa steg

Använda en inbyggd modell för entitetsextrahering i Power Automate