Ir al contenido principal
Español— Elegir un idioma
Menú

Extracción y clasificación de entidades

Lección 11 de 12 Actualizado el 30 de julio de 2026 Desarrollador
En esta página
  1. Casos de uso principales
  2. Extracción de entidades nombradas
  3. Clasificación de contenido
  4. Clasificación multietiqueta
  5. Extracción de datos tabulares
  6. Análisis de sentimiento granular
  7. Puntos clave

Casos de uso principales

Las salidas estructuradas destacan en dos categorías de tareas: la extracción de información de texto no estructurado y la clasificación de contenido. Estos dos casos de uso son fundamentales para la mayoría de las aplicaciones de IA empresariales.

Extracción de entidades nombradas

La extracción de entidades consiste en identificar y categorizar elementos clave dentro de un texto: personas, empresas, ubicaciones, fechas, importes, etc.

from pydantic import BaseModel
from typing import Literal

class Entite(BaseModel):
    texte: str
    type: Literal[
        "person", "company", "location",
        "date", "amount", "product"
    ]
    contexte: str

class ExtractionEntites(BaseModel):
    entites: list[Entite]
    nombre_total: int
    langue_detectee: str

response, parsed = client.chat.parse(
    model="grok-4.20-0309-reasoning",
    messages=[{
        "role": "user",
        "content": """Extract all entities from this text:

        On March 15, 2026, Mistral AI raised €600 million
        from General Catalyst. Arthur Mensch, the CEO based in
        Paris, plans to launch Mistral Large 3 by June."""
    }],
    response_format=ExtractionEntites
)

for e in parsed.entites:
    print(f"[{e.type}] {e.texte} — {e.contexte}")

Clasificación de contenido

La clasificación asigna categorías predefinidas al contenido. Las salidas estructuradas garantizan que el modelo devuelva únicamente categorías válidas.

class ClassificationEmail(BaseModel):
    categorie: Literal[
        "sales", "support", "billing",
        "partnership", "application", "spam", "other"
    ]
    sous_categorie: str
    priorite: Literal["low", "medium", "high", "urgent"]
    sentiment: Literal["positive", "neutral", "negative"]
    action_requise: bool
    resume: str

response, parsed = client.chat.parse(
    model="grok-4.20-0309-reasoning",
    messages=[{
        "role": "user",
        "content": """Classify this email:

        Subject: Urgent billing issue

        Hello, our latest invoice #2847 contains an error.
        The amount shown is €3,500 instead of the agreed €2,800.
        Please correct this quickly."""
    }],
    response_format=ClassificationEmail
)

print(f"Category: {parsed.categorie}")      # "billing"
print(f"Priority: {parsed.priorite}")        # "high"
print(f"Action required: {parsed.action_requise}")  # True

Clasificación multietiqueta

Cuando el contenido puede pertenecer a múltiples categorías:

class ClassificationArticle(BaseModel):
    titre: str
    themes: list[str]
    audience_cible: list[Literal[
        "developers", "managers", "data_scientists",
        "designers", "executives", "general_public"
    ]]
    niveau_technique: Literal["beginner", "intermediate", "advanced"]
    mots_cles_seo: list[str]
    temps_lecture_minutes: int

Extracción de datos tabulares

Transforma texto en datos estructurados procesables:

class LigneCommande(BaseModel):
    reference: str
    designation: str
    quantite: int
    prix_unitaire: float
    montant_total: float

class BonCommande(BaseModel):
    numero: str
    date: str
    fournisseur: str
    lignes: list[LigneCommande]
    montant_ht: float
    tva: float
    montant_ttc: float

response, parsed = client.chat.parse(
    model="grok-4.20-0309-reasoning",
    messages=[{
        "role": "user",
        "content": """Extract data from this purchase order:

        PO-2026-0847 dated 03/28/2026 — Supplier: TechParts SAS

        REF-001 | USB-C Cable 2m | x50 | €3.20
        REF-002 | HDMI Adapter | x20 | €12.50
        REF-003 | 4-port USB Hub | x10 | €24.90"""
    }],
    response_format=BonCommande
)

Análisis de sentimiento granular

Más allá de un simple positivo/negativo, estructura un análisis completo:

class AspectSentiment(BaseModel):
    aspect: str
    sentiment: Literal["very_positive", "positive", "neutral", "negative", "very_negative"]
    mention: str

class AnalyseAvis(BaseModel):
    note_globale: float
    sentiment_global: str
    aspects: list[AspectSentiment]
    points_forts: list[str]
    points_faibles: list[str]
    recommande: bool

Puntos clave

  • La extracción de entidades identifica personas, ubicaciones, fechas e importes en texto libre
  • La clasificación impone categorías predefinidas mediante Literal y enum
  • La clasificación multietiqueta utiliza listas de Literal
  • La extracción tabular transforma texto no estructurado en datos procesables
  • El análisis de sentimiento puede ser granular desglosando aspectos individuales
  • Todos estos patrones funcionan con parse() o response_format