Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Easpórtáil Struchtúrtha Eintiteas

Ceacht 13 as 16 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Easpórtáil Struchtúrtha Eintiteas
  2. Píblíne Bhunúsach Easpórtála
  3. Sampla 1: Easpórtáil CV
  4. Sampla 2: Easpórtáil Ríomhphoist Tráchtála
  5. Easpórtáil Bhaisce
  6. Cáilíocht na hEaspórtála a Mheasúnú
  7. Tóg do Thagairt Sula ndéanann tú Optamú
  8. Príomhphointí

An ceacht nuashonraithe an 3 Samhain, 2026 bunaithe ar dhoiciméadú OpenAI: níl temperature agus top_p inghlactha ach le hiarracht réasúnaíochta de none, cé go ndéanann samhlacha GPT-5.6 réasúnú go huathoibríoch (medium). Caithfidh glaonna a shocraíonn na paraiméadair seo reasoning={"effort": "none"} (API Freagraí) nó reasoning_effort="none" (Críochnú Comhrá) a shonrú dá bhrí sin. Foinse: GPT-6 a úsáid · GPT-5.6 Terra.

Easpórtáil Struchtúrtha Eintiteas

Is é easpórtáil struchtúrtha eintiteas ceann de na cásanna úsáide is mó a iarrtar sa táirgeadh: téacs saor (ríomhphoist, doiciméid, leathanaigh ghréasáin) a thiontú ina shonraí is féidir le d’fheidhmchlár a úsáid i ndáiríre. Trí Aschur Struchtúrtha a chomhcheangal le leideanna speisialaithe, is féidir leat píblínte easpórtála iontaofa a thógáil gan samhail NER tiomnaithe a oiliúint.

Píblíne Bhunúsach Easpórtála

Baineann sainiúlacht iomlán na heaspórtála leis an leid chórais sa fheidhm thíos, agus tuilleann sé aird ghairid. Forluíonn trí threoir anseo: ní dhéan ach an méid atá i láthair a eastóscadh, úsáid null le haghaidh sonraí atá in easnamh, agus ná déan aon eolas a thuar nach luaitear go sainráite.

Is é an abairt dheireanach sin an ceann is tábhachtaí sa chleachtas. Fágtha leis féin, líonfaidh samhail uimhir SIRET inchreidte go sásta nó tuarfaidh sí cathair ó chód ceantair, leis na rúin is fearr. Maidir le heaspórtáil atá ceaptha do chóras gnó, is locht tromchúiseach é an cabalgaracht seo: nuair a bheidh na sonraí sa bhunachar sonraí, ní bheidh aon bhealach ann idirdhealú a dhéanamh idir an méid a léadh agus an méid a tuaradh. Freastalaíonn temperature a shocrú ar 0.0 ar an gcuspóir céanna—thar dhá rith den doiciméad céanna, ba mhaith leat an t-aschur céanna, fiú mura bhfuil ann ach chun teagmhas a atáirgeadh.

import json
from openai import OpenAI

client = OpenAI()

def extract_entities(text: str, schema: dict,
                     instructions: str = "") -> dict:
    """Easpórtaíonn sé eintitis struchtúrtha ó théacs saor."""
    system = (
        "Is eastóscóir eintiteas speisialaithe tú. "
        "Ní dhéan ach eolas atá i láthair sa téacs a EASTÓSCADH. "
        "Má tá eolas in easnamh, úsáid null. "
        "NÁ DÉAN eolas nach luaitear go sainráite a THUAR RIAMH."
    )
    if instructions:
        system += f"\n\nTreoracha breise: {instructions}"

    response = client.responses.create(
        model="gpt-5.6-terra",
        reasoning={"effort": "none"},  # temperature requires effort none
        instructions=system,
        input=f"Téacs le hanailísiú:\n\n{text}",
        text={
            "format": {
                "type": "json_schema",
                "name": "extraction",
                "schema": schema,
                "strict": True
            }
        },
        temperature=0.0
    )
    return json.loads(response.output_text)

Sampla 1: Easpórtáil CV

Is ionad tástála den scoth é CV toisc go gcomhcheanglaíonn sé rannáin chobhsaí le leagan amach atá go hiomlán saorchruthach. Grúpálann an scéama thíos sonraí teagmhála in oibiacht identity áit a bhfuil beagnach gach réimse in-nullable—b’fhéidir nach soláthróidh iarrthóir uimhir theileafóin, agus dá ndéanfaí an réimse sin éigeantach, bheadh tú ag tabhairt cuireadh don tsamhail ceann a cheapadh go bunúsach.

Ní teaghráin shimplí iad scileanna ach oibiachtaí le trí airí, rud a ligeann duit an leibhéal luaite a chaomhnú agus gach scil a chatagóiriú. Gan na hiarmhairí seo, chríochnódh “Scrum” agus “Python” taobh le taobh a chéile sa liosta cothrom céanna, gan aon mhaith do scagaire atá ag iarraidh teangacha a aonrú. Tabhair faoi deara freisin an réimse end_date sna taithí, atá in-nullable cé nach bhfuil start_date: is é seo an bealach chun post reatha a chódú gan coinbhinsiún baile cosúil le “present” nó “9999” a cheapadh. Ar an CV tástála, imríonn an mhíneacht seo amach ar líne TechCorp.

resume_schema = {
    "type": "object",
    "properties": {
        "identity": {
            "type": "object",
            "properties": {
                "full_name": {"type": "string"},
                "email": {"type": ["string", "null"]},
                "phone": {"type": ["string", "null"]},
                "location": {"type": ["string", "null"]},
                "linkedin": {"type": ["string", "null"]}
            },
            "required": ["full_name", "email", "phone",
                          "location", "linkedin"],
            "additionalProperties": False
        },
        "current_title": {"type": ["string", "null"]},
        "years_experience": {"type": ["integer", "null"]},
        "skills": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "name": {"type": "string"},
                    "level": {
                        "type": "string",
                        "enum": ["beginner", "intermediate",
                                 "advanced", "expert"]
                    },
                    "category": {
                        "type": "string",
                        "enum": ["language", "framework", "tool",
                                 "methodology", "soft_skill"]
                    }
                },
                "required": ["name", "level", "category"],
                "additionalProperties": False
            }
        },
        "experiences": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "company": {"type": "string"},
                    "title": {"type": "string"},
                    "start_date": {"type": "string"},
                    "end_date": {"type": ["string", "null"]},
                    "description": {"type": "string"}
                },
                "required": ["company", "title", "start_date",
                              "end_date", "description"],
                "additionalProperties": False
            }
        },
        "education": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "institution": {"type": "string"},
                    "degree": {"type": "string"},
                    "year": {"type": ["string", "null"]}
                },
                "required": ["institution", "degree", "year"],
                "additionalProperties": False
            }
        },
        "languages": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "language": {"type": "string"},
                    "level": {
                        "type": "string",
                        "enum": ["a1", "a2", "b1", "b2",
                                 "c1", "c2", "native"]
                    }
                },
                "required": ["language", "level"],
                "additionalProperties": False
            }
        }
    },
    "required": ["identity", "current_title", "years_experience",
                  "skills", "experiences", "education", "languages"],
    "additionalProperties": False
}

resume_text = """
Marie Dupont - Senior Full Stack Developer
Email: [email protected] | Tel: +33 6 12 34 56 78
Paris, France | linkedin.com/in/mariedupont

8 years of experience in web development.

Skills: Python (expert), TypeScript (advanced), React (advanced),
Django (expert), PostgreSQL (advanced), Docker (intermediate),
Scrum (advanced)

Experience:
- TechCorp (2022-present): Lead Full Stack Developer
  Principal architect of a B2B SaaS platform, team of 6 devs.
- StartupAI (2019-2022): Senior Developer
  Development of ML APIs in Python/FastAPI.

Education:
- EPITECH Paris, Master in Computer Science (2017)

Languages: French (native), English (C1), Spanish (B1)
"""

result = extract_entities(resume_text, resume_schema)

Sampla 2: Easpórtáil Ríomhphoist Tráchtála

Athraíonn an dara sampla nádúr: ní hamháin go bhfuilimid ag cóipeáil eolais, táimid ag iarraidh ar an tsamhail léirmhíniú a dhéanamh. Is breithiúnais iad intent agus urgency—ní deir aon abairt sa ríomhphost “is iarratas ar luachan é seo, tosaíocht ard”. Is é seo go díreach an rud nach féidir le píblíne chlasaiceach easpórtála bunaithe ar rialacha nó ar shloinn rialta a dhéanamh, agus is é seo go díreach a thugann údar le LLM a úsáid anseo seachas in áit eile.

Filleann an chuid eile den scéama ar fhíricí incháilte: táirgí luaite, méideanna lena gcomhthéacs, dátaí agus a mbrí, gníomhaíochtaí riachtanacha. Dúnann an réimse summary an oibiacht agus freastalaíonn sé ar an duine a dhéanfaidh athbhreithniú ar an scuaine, ní ar an gcód. pointe faireachais amháin leis an scéama measctha seo: ní dhéanann earráid breithiúnais ar urgency na méideanna a neamhbhailíochtú, ach is féidir leis an malairt tarlú, toisc go léann samhail nach dtuigeann an rún an chuid eile uaireanta tríd an míthuiscint sin. Má tá an t-aicmiú ríthábhachtach do do bhealaigh, scar é i nglao tiomnaithe.

email_schema = {
    "type": "object",
    "properties": {
        "intent": {
            "type": "string",
            "enum": ["quote_request", "complaint", "information",
                     "order", "partnership", "other"]
        },
        "urgency": {
            "type": "string",
            "enum": ["critical", "high", "normal", "low"]
        },
        "sender": {
            "type": "object",
            "properties": {
                "name": {"type": ["string", "null"]},
                "company": {"type": ["string", "null"]},
                "email": {"type": ["string", "null"]}
            },
            "required": ["name", "company", "email"],
            "additionalProperties": False
        },
        "mentioned_products": {
            "type": "array",
            "items": {"type": "string"}
        },
        "mentioned_amounts": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "value": {"type": "number"},
                    "currency": {"type": "string"},
                    "context": {"type": "string"}
                },
                "required": ["value", "currency", "context"],
                "additionalProperties": False
            }
        },
        "key_dates": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "date": {"type": "string"},
                    "significance": {"type": "string"}
                },
                "required": ["date", "significance"],
                "additionalProperties": False
            }
        },
        "required_actions": {
            "type": "array",
            "items": {"type": "string"}
        },
        "summary": {"type": "string"}
    },
    "required": ["intent", "urgency", "sender",
                  "mentioned_products", "mentioned_amounts",
                  "key_dates", "required_actions", "summary"],
    "additionalProperties": False
}

Easpórtáil Bhaisce

Chun toirteanna móra a phróiseáil, déan do chuid easpórtálacha a chomhthreomharú. Caitear an chuid is mó den am ag fanacht leis an líonra i lúb sheicheamhach thar míle doiciméad; le asyncio, forluíonn na fanachtaí seo agus próiseáiltear an bhaisce i gcodán den am.

Ní mionsonraí maisiúil é an semaphore. Gan é, sáróidh míle tasc a sheoladh ag an am céanna do chuóta agus spreagfaidh sé earráidí teorainn ráta a chosnaíonn níos mó in athiarrachtaí ná mar a shábhálann siad i luas. Socraigh an luach max_concurrent trí do theorainneacha féin a bhreathnú, agus is pointe tosaigh cúramach é deich. Tabhair faoi deara freisin return_exceptions=True: coscaíonn sé doiciméad míchumtha amháin ón mbaisce iomlán a thuairteáil, ag fágáil duit na teipeanna a shórtáil ina dhiaidh sin.

import asyncio
from openai import AsyncOpenAI

async_client = AsyncOpenAI()

async def extract_batch(texts: list[str], schema: dict,
                          max_concurrent: int = 10) -> list[dict]:
    """Easpórtáil chomhthreomhar le rialú comhthreomhaireachta."""
    semaphore = asyncio.Semaphore(max_concurrent)

    async def extract_one(text: str) -> dict:
        async with semaphore:
            response = await async_client.responses.create(
                model="gpt-5.6-terra",
                reasoning={"effort": "none"},  # temperature requires effort none
                instructions="Easpórtáil eintitis ón téacs soláthraithe. "
                             "Úsáid null do réimsí atá in easnamh.",
                input=text,
                text={
                    "format": {
                        "type": "json_schema",
                        "name": "extraction",
                        "schema": schema,
                        "strict": True
                    }
                },
                temperature=0.0
            )
            return json.loads(response.output_text)

    tasks = [extract_one(t) for t in texts]
    return await asyncio.gather(*tasks, return_exceptions=True)

Cáilíocht na hEaspórtála a Mheasúnú

Is píblíne é píblíne easpórtála gan tacar tástála anótáilte nach bhfuil a iontaofacht ar eolas ag aon duine, agus is minic a chruthaíonn an tuiscint a fhágtar ag trí shampla a léitear de láimh go bhfuil sí ró-optimisteach. Déanann an fheidhm thíos comparáid idir réimse easpórtála faighte agus tagairt a bunaíodh de láimh, ag filleadh cruinnis ghinearálta mar aon le briseadh síos ar mhí-reireachtaí.

Is é an briseadh síos seo an chuid is úsáidí: ní dháiltear earráidí go haonfhoirmeach beagnach riamh. Díríonn réimse amháin na fadhbanna—go minic dáta doiléir, leibhéal scile intuigthe, nó catagóir míshainithe—agus deisíonn aon abairt amháin a chuirtear leis an leid córais é. Gan an tomhas seo, bheadh tú ag coigeartú an leid ar randam, ag measú réimse a d’oibrigh cheana féin b’fhéidir.

def evaluate_extraction(expected: dict, obtained: dict,
                       fields: list[str]) -> dict:
    """Déanann sé comparáid idir an easpórtáil a fuarthas agus an tagairt."""
    correct = 0
    total = len(fields)
    errors = []

    for field in fields:
        val_expected = expected.get(field)
        val_obtained = obtained.get(field)

        if val_expected == val_obtained:
            correct += 1
        else:
            errors.append({
                "field": field,
                "expected": val_expected,
                "obtained": val_obtained
            })

    return {
        "precision": correct / total if total > 0 else 0,
        "correct": correct,
        "total": total,
        "errors": errors
    }

Tóg do Thagairt Sula ndéanann tú Optamú

Roghnaigh cineál doiciméid ó do fhearann—conarthaí, sonaisc, tuarascálacha—agus sainigh scéama easpórtála de dheich réimse ar a laghad, ag meascadh d’aon ghnó réimsí éasca le cinn a bhfuil a fhios agat go bhfuil siad doiléir. Cuir cúig dhoiciméad shamplacha le chéile lena n-easpórtálacha ionchais, scríofa de láimh: tá an chéim seo tuirsiúil, tógann sé uair an chloig, agus is é seo a thugann luach don obair uile ina dhiaidh sin.

Ansin rith an phíblíne, tomhais an chruinneas, agus léigh liosta na n-earráidí réimse ar réimse. Inseoidh an réimse is lochtaí duit cad le ceartú sa leid; inseoidh an dara tomhas duit an chuidigh an ceartú i ndáiríre—nó an ndearna sé dochar do réimse eile sa phróiseas, rud a tharlaíonn níos minice ná mar a shílfeá a luaithe a aistríonn treoir bhreise aird na samhla.

Príomhphointí

  • Cuireann easpórtáil struchtúrtha samhlacha NER tiomnaithe in ionad do chuid is mó de na cásanna úsáide
  • Úsáid temperature=0.0 chun comhsheasmhacht a uasmhéadú
  • Déan réimsí roghnacha in-nullable seachas roghnach
  • Déan comhthreomharú le asyncio do thoirteanna móra
  • Déan measúnú córasach ar cháilíocht le tacar tástála anótáilte
  • Treoraíonn treoracha leid córais ábhar, srianann scéama struchtúr