从文本中提取信息是语言处理中的一项常见任务。LLM 可以提取使用其他 NLP 方法难以提取的实体（并且预训练为模型提供了这些实体的一些上下文）。这是使用生成式 LLM 的概述提取实体
让我们开始吧
首先，注册 Cohere https://dashboard.cohere.ai/register
注册后，您需要前往 Playground https://os.cohere.ai/playground
接下来，我们可以查看 Cohere Playground。Cohere Classify Playground 是测试您的想法和开始项目的绝佳工具。它有一个干净的用户界面，可以用多种语言导出你的代码。
我们将选择使用默认语言模型生成端点。
对于此示例，我将使用从发票示例中提取实体。重写它只是为了展示这个模型有多棒。
我们将从句子中提取名称。您可以将以下句子粘贴到 Playground 中，看看模型如何提取名称。
Extract names from sentences. Sentence: Bob went to the market to buy something for lunchName: Bob--Sentence: Peter Parker was Spiderman in real lifeName: Peter Parker--Sentence: Once I have seen Buffy the vampire slayerName:在我的测试中，即使有两个例子，它也能正确地生成答案。
我们可以从 playground 导出多种语言的代码。
结论
Cohere 提供了一个很好的解决方案，可以从具有无限可能性的文本中提取实体。
谢谢你！– AI未来百科 ; 探索AI的边界与未来！ 懂您的AI未来站
声明：本站部分文章来源于网络，如有侵犯您的合法权益，请您即时与我们联系，我们将在第一时间处理。如需转载本站文章，请在转载时标明出处并保留原文链接，否则我们将保留追究法律责任的权利。