Easpórtáil Struchtúrtha Eintiteas
Ar an leathanach seo
An ceacht nuashonraithe an 3 Samhain, 2026 bunaithe ar dhoiciméadú OpenAI: níl
temperatureagustop_pinghlactha ach le hiarracht réasúnaíochta denone, cé go ndéanann samhlacha GPT-5.6 réasúnú go huathoibríoch (medium). Caithfidh glaonna a shocraíonn na paraiméadair seoreasoning={"effort": "none"}(API Freagraí) nóreasoning_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=0.0chun 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