Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
La ai.extract funzione estrae campi come nomi, posizioni o entità personalizzate da ogni riga di input.
Annotazioni
- Questo articolo illustra
ai.extractcon pandas. Per PySpark, vedere Usare ai.extract con PySpark. - Per tutte le funzioni di intelligenza artificiale e i prerequisiti, vedere Panoramica di Funzioni di intelligenza artificiale.
- Modificare la configurazione predefinita per Funzioni di intelligenza artificiale con pandas.
Informazioni generali
La ai.extract funzione estende la classe Pandas Series . Per estrarre tipi di entità personalizzati da ogni riga di input, chiamare la funzione in una colonna di testo Pandas DataFrame .
A differenza di altre funzioni di intelligenza artificiale, ai.extract restituisce un dataframe pandas, invece di una serie, con una colonna separata per ogni tipo di entità specificato che contiene valori estratti per ogni riga di input.
Sintassi
df_entities = df["text"].ai.extract("entity1", "entity2", "entity3")
Parametri
| Nome | Description |
|---|---|
labels Obbligatorio |
Una o più stringhe che rappresentano il set di tipi di entità da estrarre dai valori di testo di input. |
aifunc.ExtractLabel Opzionale |
Una o più definizioni di etichetta che descrivono i campi da estrarre. Vedi i parametri di ExtractLabel. |
Parametri di ExtractLabel
| Nome | Description |
|---|---|
label Obbligatorio |
Stringa che rappresenta l'entità da estrarre dai valori di testo di input. |
description Opzionale |
Stringa che aggiunge un contesto aggiuntivo per il modello di intelligenza artificiale. Può includere requisiti, contesto o istruzioni per l'intelligenza artificiale da considerare durante l'esecuzione dell'estrazione. |
max_items Opzionale |
Valore int che specifica il numero massimo di elementi da estrarre per questa etichetta. |
type Opzionale |
Tipo di schema JSON per il valore estratto. I tipi supportati per questa classe includono string, numberinteger, boolean, , objecte array. |
properties Opzionale |
Proprietà aggiuntive dello schema JSON per il tipo, ad esempio items, propertiese enum. Consulta Structured Outputs: schemi supportati. |
raw_col Opzionale |
Stringa che imposta il nome della colonna per la risposta LLM non elaborata. La risposta non elaborata fornisce un elenco di coppie di dizionario per ogni etichetta di entità, tra cui "reason" e "extraction_text". |
Suggerimento
Usare ai.infer_schema per dedurre uno schema di etichetta dal contenuto del file e passare gli oggetti restituiti aifunc.ExtractLabel direttamente a ai.extract. Per esempi, vedere Usare l'input multimodale con funzioni di IA.
Restituzioni
La funzione restituisce un dataframe pandas con una colonna per ogni tipo di entità specificato. La colonna o le colonne contengono le entità estratte per ogni riga di testo di input. Se la funzione identifica più corrispondenze per un'entità, restituisce solo una di queste corrispondenze. Se non viene trovata alcuna corrispondenza, il risultato è null.
Il tipo restituito predefinito è un elenco di stringhe per ogni etichetta. Se si imposta un tipo in aifunc.ExtractLabel, ad esempio type="integer", l'output è un elenco di valori Pythonint. Se si imposta max_items=1, la funzione restituisce un valore per tale etichetta.
Example
# This code uses AI. Always review output for mistakes.
df = pd.DataFrame([
"MJ Lee lives in Tucson, 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)
Risultato:
Input multimodale
Per estrarre campi da immagini, PDF o file di testo, impostare column_type="path" quando la colonna di input contiene percorsi di file di stringa normale. I percorsi dei file restituiti da aifunc.list_file_paths() vengono rilevati automaticamente. Per la configurazione, vedere Usare l'input multimodale con Funzioni di intelligenza artificiale.
# This code uses AI. Always review output for mistakes.
extracted = custom_df["file_path"].ai.extract(
aifunc.ExtractLabel(
"name",
description="The full name of the candidate, first letter capitalized.",
max_items=1,
),
"companies_worked_for",
aifunc.ExtractLabel(
"year_of_experience",
description="The total years of professional work experience the candidate has, excluding internships.",
type="integer",
max_items=1,
),
column_type="path",
)
display(extracted)
Contenuti correlati
- Usare ai.extract con PySpark.
- Altre informazioni sulle funzioni di intelligenza artificiale.
- Usare l'input multimodale con funzioni di intelligenza artificiale.
- Modificare la configurazione predefinita per Funzioni di intelligenza artificiale con pandas.
- Informazioni sulla fatturazione per le funzioni di intelligenza artificiale.