Extraer información del texto es una tarea común en el procesamiento del lenguaje. Los LLM pueden extraer entidades que son difíciles de extraer usando otros métodos NLP (y donde el entrenamiento previo proporciona al modelo algo de contexto sobre estas entidades). Esta es una descripción general del uso de LLM generativos para extraer entidades
Empecemos
En primer lugar, regístrese en Cohere https://dashboard.cohere.ai/register
Después del registro, debe dirigirse al Playground https://os.cohere.ai/playground
A continuación, podemos ver Cohere Playground. Cohere Classify Playground es una excelente herramienta para probar sus ideas y comenzar con un proyecto. Tiene una interfaz de usuario limpia y puede exportar su código en varios idiomas.
También te puede interesar
Tutorial de Cohere: Cómo usar Cohere para la moderación de contenidoElegiremos generar un punto final con el modelo de lenguaje predeterminado.
Para este ejemplo, usaré el ejemplo Extraer entidades de facturas. Y reescríbelo solo para mostrar lo bueno que es este modelo.
Extraeremos nombres de oraciones. Puede pegar las siguientes oraciones en el Playground y ver cómo el modelo extrae los nombres.
En mi prueba, estaba generando correctamente la respuesta incluso con dos ejemplos.
También te puede interesar
Guía de difusión estable: cómo utilizar nuestra API de difusión estableY desde el patio de recreo podemos exportar el código en varios idiomas.
Conclusión
Cohere ofrece una gran solución para extraer entidades del texto con infinitas posibilidades.
¡Únase a nuestros Hackathons de IA para probar su conocimiento y construir con la ayuda de nuestros mentores herramientas basadas en IA para cambiar el mundo! Consulte los próximos aquí: Cohere Thanksgiving Hackathon & Cohere Holiday Hackathon
¡Gracias! Si disfrutaste este tutorial, puedes encontrar más y continuar leyendo en nuestra página de tutoriales.
También te puede interesar
Tutorial de difusión estable: variaciones de imagen de difusión estable utilizando difusores lambda
