Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Entiteettien poiminta ja luokittelu

Oppitunti 11 / 12 Päivitetty 30. heinäkuuta 2026 Kehittäjä
Tällä sivulla
  1. Keskeiset käyttötapaukset
  2. Nimettyjen entiteettien poiminta
  3. Sisällön luokittelu
  4. Monilabel-luokittelu
  5. Taulukkomuotoisen datan poiminta
  6. Hienojakoinen sentimenttianalyysi
  7. Keskeiset asiat

Keskeiset käyttötapaukset

Jäsennetyt tulostukset loistavat kahdessa tehtävätyypissä: tiedon poiminnassa jäsentelemättömästä tekstistä ja sisällön luokittelussa. Nämä kaksi käyttötapausta ovat keskeisiä useimmissa yritystason tekoälysovelluksissa.

Nimettyjen entiteettien poiminta

Entiteettien poiminnassa tunnistetaan ja luokitellaan tekstin keskeisiä elementtejä: henkilöitä, yrityksiä, sijainteja, päivämääriä, summia ja niin edelleen.

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}")

Sisällön luokittelu

Luokittelussa sisältöön liitetään ennalta määritellyt kategoriat. Jäsennetyt tulostukset takaavat, että malli palauttaa vain kelvollisia kategorioita.

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

Monilabel-luokittelu

Kun sisältö voi kuulua useampaan kategoriaan:

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

Taulukkomuotoisen datan poiminta

Muunna teksti toimintakelpoiseksi jäsennetyksi dataksi:

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
)

Hienojakoinen sentimenttianalyysi

Yksinkertaisen myönteinen/kielteinen-jaon sijaan rakenna kokonaisvaltainen analyysi:

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

Keskeiset asiat

  • Entiteettien poiminta tunnistaa henkilöitä, sijainteja, päivämääriä ja summia vapaasta tekstistä
  • Luokittelu pakottaa käyttämään ennalta määriteltyjä kategorioita Literal- ja enum-tyyppien avulla
  • Monilabel-luokittelu käyttää Literal-tyyppien listoja
  • Taulukkomuotoinen poiminta muuntaa jäsentelemättömän tekstin toimintakelpoiseksi dataksi
  • Sentimenttianalyysi voi olla hienojakoista yksittäisten näkökulmien avulla
  • Kaikki nämä mallit toimivat parse()-funktiolla tai response_format-parametrilla