استخراج البيانات المهيكلة من النص غير المهيكل مع توثيق دقيق للمصدر.
مكتبة بايثون استخراج النصوص المستندة إلى LLM مع توثيق دقيق للمصدر والتحقق البصري.
LangExtract هي مكتبة بايثون تعالج المستندات غير المهيكلة باستخدام نماذج اللغة لاستخراج كيانات مهيكلة. وهي مصممة للمطورين ومحترفي البيانات الذين يحتاجون إلى استخراج بيانات قابلة للتحقق من النص.
يقوم بتحليل المستندات غير المهيكلة عبر التعليمات وأمثلة اللقطات القليلة، مع تعيين كل كيان مستخرج مرة أخرى إلى فترته الزمنية الدقيقة في النص المصدر. يتعامل مع المستندات الطويلة من خلال تقطيع النصوص، والمعالجة المتوازية، ويخرج ملفات HTML تفاعلية للمراجعة البصرية.
تتناسب مع مهندسي البيانات والمطورين الذين يبنون خطوط استخراج للنصوص المعقدة مثل الملاحظات السريرية أو التقارير العامة. وهي لا تناسب المستخدمين غير التقنيين الذين يحتاجون إلى تطبيق سطح مكتب رسومي بالنقر دون كتابة كود بايثون.
يربط كل عملية استخراج بموقعها الدقيق في النص المصدر لسهولة التحقق.
ينشئ ملفات HTML قائمة بذاتها لمراجعة آلاف الكيانات المستخرجة في السياق.
يجمع بين تقطيع النصوص، والمعالجة المتوازية، والتمريرات المتعددة للتعامل مع الملفات الكبيرة.
يدعم النماذج السحابية مثل عائلة Gemini بالإضافة إلى النماذج محلية المصدر المفتوح عبر Ollama.
مجانية تحت ترخيص Apache-2.0. التكاليف التشغيلية الوحيدة تعتمد على ما إذا كنت تشغيل نماذج محلية أو تدفع مقابل استخدام API لـ LLM المستند إلى السحاب مثل Gemini.
876 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
نعم، يمكنك تشغيل LLM المحلية باستخدام واجهة Ollama المدمجة.
توفر LangExtract فترات الأحرف للبيانات الموثقة وتنشئ تصورات HTML تفاعلية لمراجعة الاستخراجات في السياق.
شاهد Zekai أولاً في جوجل