該 ai.extract 函數使用生成式 AI 掃描輸入文字並擷取您選擇的標籤所指定的特定類型的資訊 （例如，位置或名稱）。 它只使用一行代碼。
備註
概觀
ai.extract 函式會擴充 pandas Series 類別。 若要從每一列輸入擷取自訂實體類型，請在 pandas DataFrame 文字欄上呼叫函數。
不同於其他 AI 函式，ai.extract 會傳回 pandas DataFrame，而不是 Series，每個指定的實體類型都有個別的數據行，其中包含每個輸入數據列的擷取值。
語法
df_entities = df["text"].ai.extract("entity1", "entity2", "entity3")
參數
| 名稱 | Description |
|---|---|
labels 為必填項目 |
一或多個 字串 ，代表要從輸入文字值擷取的實體類型集。 |
aifunc.ExtractLabel 可選 |
一個或多個標籤定義，描述要擷取的欄位。 欲了解更多資訊，請參閱 ExtractLabel 參數表。 |
ExtractLabel 參數
| 名稱 | Description |
|---|---|
label 為必填項目 |
一個字 串 ，代表要從輸入文字值中提取的實體。 |
description 可選 |
一個字 串 ，為 AI 模型增添額外上下文。 它可以包含需求、背景資訊或指示，以便 AI 在執行提取時考慮這些因素。 |
max_items 可選 |
一個整 數 ，指定此標籤最大要擷取的項目數量。 |
type 可選 |
提取值的 JSON 結構型態。 此類別支援的類型包括 string、 number、 integer、 booleanobjectarray和 。 |
properties 可選 |
更多關於該型態作為字典的 JSON schema 屬性。 它可以包含支援的屬性，例如「項目」適用於陣列、「屬性」適用於物件、「枚舉類型」的屬性等等。 請參見 本文中的範例用法。 |
raw_col 可選 |
一個字 串 ，用來設定原始 LLM 回應的欄位名稱。 原始回應會為每個實體標籤（包括「reason」和「extraction_text」）提供字典對的清單。 |
退貨
函式會傳回 pandas DataFrame，其中包含每個指定實體類型的數據行。 該欄或多個欄包含針對每個輸入文本行所擷取的實體。 如果函式識別實體的多個相符項目，則只會傳回其中一個相符項目。 如果找不到相符項目，結果會 null。
預設的回傳類型是每個標籤的字串列表。 若使用者選擇在配置中 aifunc.ExtractLabel 指定不同型別，例如「type=整數」，輸出將是 python 整數的清單。若使用者在設定中 aifunc.ExtractLabel 指定「max_items=1」，則該標籤只會回傳該類型中的一個元素。
Example
# This code uses AI. Always review output for mistakes.
df = pd.DataFrame([
"MJ Lee lives in Tuscon, AZ, and works as a software engineer for Contoso.",
"Kris Turner, a nurse at NYU Langone, is a resident of Jersey City, New Jersey."
], columns=["descriptions"])
df_entities = df["descriptions"].ai.extract("name", "profession", "city")
display(df_entities)
此範例程式碼儲存格提供下列輸出：
相關內容
用 ai.analyze_sentiment檢測情緒。
使用 ai.classify 對文本進行分類。
用 ai.embed 產生向量嵌入。
用 ai.fix_grammar修復語法。
使用 ai.generate_response 回答自訂使用者提示。
使用 ai.similarity 計算相似度。
使用 ai.summarize 總結文本。
使用 ai.translate 翻譯文本。
進一步了解 全套 AI 功能。
自訂 AI功能的配置。
我們錯過了您需要的功能嗎？ 請在 Fabric Ideas 論壇上提出建議。