Przejdź do głównej treści
Polski— Wybierz język
Menu

Ekstrakcja i klasyfikacja encji

Lekcja 11 z 12 Zaktualizowano 30 lipca 2026 Programista
Na tej stronie
  1. Główne przypadki użycia
  2. Ekstrakcja encji nazwanych
  3. Klasyfikacja treści
  4. Klasyfikacja wieloetykietowa
  5. Ekstrakcja danych tabelarycznych
  6. Szczegółowa analiza sentymentu
  7. Kluczowe wnioski

Główne przypadki użycia

Strukturyzowane dane wyjściowe sprawdzają się najlepiej w dwóch kategoriach zadań: ekstrakcji informacji z nieustrukturyzowanego tekstu oraz klasyfikacji treści. Te dwa przypadki użycia stanowią rdzeń większości przedsiębiorczych aplikacji AI.

Ekstrakcja encji nazwanych

Ekstrakcja encji polega na identyfikowaniu i kategoryzowaniu kluczowych elementów w tekście: osób, firm, lokalizacji, dat, kwot i tak dalej.

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}")

Klasyfikacja treści

Klasyfikacja przypisuje treści do z góry zdefiniowanych kategorii. Strukturyzowane dane wyjściowe gwarantują, że model zwróci wyłącznie poprawne kategorie.

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

Klasyfikacja wieloetykietowa

Gdy treść może należeć do wielu kategorii:

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

Ekstrakcja danych tabelarycznych

Przekształć tekst w użyteczne, ustrukturyzowane dane:

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
)

Szczegółowa analiza sentymentu

Wykraczając poza prosty podział na pozytywny/negatywny, zbuduj kompletną analizę:

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

Kluczowe wnioski

  • Ekstrakcja encji identyfikuje osoby, lokalizacje, daty i kwoty w dowolnym tekście
  • Klasyfikacja wymusza stosowanie z góry zdefiniowanych kategorii dzięki użyciu Literal i enum
  • Klasyfikacja wieloetykietowa wykorzystuje listy typu Literal
  • Ekstrakcja tabelaryczna przekształca nieustrukturyzowany tekst w dane gotowe do działania
  • Analiza sentymentu może być szczegółowa i uwzględniać poszczególne aspekty
  • Wszystkie te wzorce działają z funkcjami parse() lub parametrem response_format