資訊擷取

Note

本頁介紹了資訊擷取的新版本。關於先前版本的資訊，請參見使用資訊擷取（舊版）

資訊萃取將非結構化文件與文本轉換為關鍵且結構化的洞見，利用定義的架構。這讓你能直接利用嵌入於非結構化文字、PDF、圖片或表格中的資訊，進行分析、報告或下游代理與應用程式。

資訊擷取的範例包括：

資訊擷取是建立在 AI 功能 ai_extract之上。資訊萃取擁有視覺化使用者介面，可透過定義的擷取架構來自訂與優化函數。

資訊萃取使用預設儲存空間來儲存臨時資料轉換、模型檢查點及驅動每個代理的內部元資料。當你刪除代理時，Databricks 會從預設儲存中移除所有與代理相關的資料。

Requirements

包含下列各項的工作區：
- 已啟用無伺服器計算。請參閱無伺服器運算需求。
- 已啟用 Unity 目錄。請參閱為 Unity Catalog 啟用工作區。
- 可取得非零預算的無伺服器使用政策。
此功能僅在部分地區提供，詳見 AI 功能可用性。
對於具有強化安全性與合規附加元件的工作空間，
- 請參閱區域支援 ai_extract 以了解適當的合規標準。
- 請參閱「管理 Azure Databricks」預覽版，了解如何在您的工作區啟用此功能。
能夠使用 ai_extract SQL 函式。
你想從中提取資訊的非結構化資料。資料必須存放在 Unity 目錄的卷或表格中。
- 要建立你的代理，你必須在 Unity 目錄卷中至少有一個檔案，或表格中至少有一列。

轉到代理圖標。在您的工作區左側導覽面板中選擇代理程式。點擊 建立代理人>資訊擷取。

在「 從你的資料開始 」頁面，選擇你想提取資訊的檔案或資料。你可以做以下任何一項：
- 將一個或多個檔案拖放到上傳區，或點擊瀏覽可上傳的檔案。
- 點擊 「選擇磁碟區 」以選擇支援檔案類型的 Unity 目錄磁碟區。
- 點擊 「選擇表格 」以選擇包含文字資料的 Unity 目錄資料表。
如果你選擇一個資料表，請選擇包含要提取資料的欄位。在繼續之前，您必須選擇資料類型受支援的欄位，例如 STRING 或 VARIANT。如果該表格沒有支援欄位，請選擇其他表格。
按兩下 [建立代理程式]。此按鈕僅在您選擇有效資料來源，且對資料表而言，選擇支援欄位後才會啟用。

資訊擷取處理完資料後，設定並精煉你想從文件中擷取的資料。

在設定中，定義你的擷取結構。有數種方式可以執行這項作業：
- 輸入描述你想提取資訊的自然語言，然後點擊 產生結構。資訊萃取會自動為你產生包含欄位名稱和定義的 JSON 架構。請依需要編輯這些描述。
- 或者，點擊手動定義來手動設定你的結構：
  1. 點選 新增欄位。
  2. 輸入你的欄位名稱、類型和描述。
  3. 按一下 [確認]。
  4. 對每個你想提取的欄位重複這個步驟。
  5. 點擊 儲存並執行擷取。
- 你也可以點選 JSON 直接編輯 JSON 架構。完成後點選 「套用變更 」。
每次你更新結構並點選 儲存並執行擷取時，資訊擷取會更新擷取代理，執行擷取，並顯示每個輸入的結果。
左邊檢視解析後的文件及代理程式萃取的內容。迭代提取結果有兩種方式。首先，對一個或多個輸入提供自然語言回饋，當你按下 儲存並執行擷取時，這會自動調整你的描述。第二，手動修改結構描述，這些描述會在你按下 儲存並執行擷取時生效。
使用版本來比較或還原到先前的設定。點選版本，然後點擊比較，將先前版本的結構定義與目前版本進行比較。點擊還原即可還原之前的版本。

當你對代理人的表現感到滿意後，再利用代理人來擷取資訊。

在右上角按一下 使用代理。您可選取下列其中一項：

用 SQL 執行 ，利用代理程式從所有資料中提取資訊。這會開啟一個 SQL 查詢，利用 ai_extract 指定的架構從你的磁碟區或資料表中擷取資訊。欲了解更多關於 SQL 查詢的使用 ai_extract 資訊，請參閱 ai_extract 函式。
建立一個 Spark 宣告式管線 ，部署一個以排程間隔運行的 ETL 管線，以便在新資料中呼叫你的代理程式。這會建立 Lakeflow Spark 宣告式管線，藉由你所擷取的資料來更新串流資料表。你可以設定管線排程，讓它在新資料到達時自動執行。欲了解更多關於 Lakeflow Spark 宣告式管線的資訊，請參見 Lakeflow Spark 宣告式管線。

此頁面對您有幫助嗎？