使用 OpenAI 进行结构化标签提取的 Python 实现

- 1. 环境准备
- 2. 加载环境变量
- 3. 初始化 OpenAI 客户端
- 4. 定义系统消息
- 5. 实现标签提取函数
- 6. 示例应用
- - 示例1：人事文档
  - 示例2：技术文档
- 7. 运行结果
- 8. 总结

在现代的信息处理中，从文本中提取结构化信息是一个常见的需求。无论是从人事文档中提取人名、部门名称，还是从技术文档中提取技术领域和产品名称，这些任务都可以通过自然语言处理（NLP）技术来实现。本文将介绍如何使用 OpenAI 的 GPT-4 模型来实现这一功能，并通过 Python 代码展示具体的实现步骤。

1. 环境准备

首先，我们需要准备 Python 环境，并安装必要的依赖库。我们将使用 openai 库来调用 GPT-4 模型，并使用 dotenv 库来管理环境变量。

pip install openai python-dotenv

2. 加载环境变量

为了安全地管理 API 密钥和其他敏感信息，我们可以将这些信息存储在 .env 文件中，并使用 dotenv 库来加载它们。

import logging
import osfrom dotenv import find_dotenv, load_dotenv
from openai import OpenAI# 读取本地 .env 文件
load_dotenv(find_dotenv())# 设置日志级别为 ERROR，避免 WARNING 信息干扰
logging.basicConfig(level=logging.ERROR)

3. 初始化 OpenAI 客户端

接下来，我们需要初始化 OpenAI 客户端。这里我们从环境变量中读取 OPENAI_BASE_URL 和 OPENAI_API_KEY。

# 初始化 OpenAI 模型
llm_client = OpenAI(base_url=os.environ["OPENAI_BASE_URL"],api_key=os.environ["OPENAI_API_KEY"],
)

4. 定义系统消息

为了指导 GPT-4 模型进行标签提取，我们需要定义一个系统消息。这个消息将告诉模型我们期望的输出格式和标签类型。

system_message = """你是一个标签提取专家。请从文本中提取结构化信息，并按要求输出标签。
---
【支持的标签类型】
- 人名
- 部门名称
- 职位名称
- 技术领域
- 产品名称
---
【输出要求】
1. 请用 JSON 格式输出，如：[{"key": "部门名称", "value": "教研部"}]
2. 如果某类标签未识别到，则不输出该类
---
待分析文本如下：
"""

5. 实现标签提取函数

我们定义一个 extract_tags 函数，该函数将接收待分析的文本，并调用 GPT-4 模型来提取标签。

def extract_tags(text):completion = llm_client.chat.completions.create(model="gpt-4",messages=[{'role': 'system', 'content': system_message},{'role': 'user', 'content': text}],response_format={"type": "json_object"},seed=42,)return completion.choices[0].message.content

6. 示例应用

我们通过两个示例来展示如何使用 extract_tags 函数。

示例1：人事文档

# 示例1：人事文档
hr_text = """张明是我们AI研发部的技术主管，他带领团队开发了新一代智能对话平台 ChatMax，在自然语言处理领域有着丰富经验。如果您需要了解项目细节，可以直接联系他。"""
print("人事文档标签提取结果：")
print(extract_tags(hr_text))

示例2：技术文档

# 示例2：技术文档
tech_text = """本论文提出了一种基于深度学习的图像识别算法，在医疗影像分析中取得了突破性进展。该算法已在北京协和医院的CT诊断系统中得到应用。"""
print("\n技术文档标签提取结果：")
print(extract_tags(tech_text))

7. 运行结果

运行上述代码后，我们将得到类似以下的输出：

人事文档标签提取结果：
[{"key": "人名", "value": "张明"},{"key": "部门名称", "value": "AI研发部"},{"key": "职位名称", "value": "技术主管"},{"key": "技术领域", "value": "自然语言处理"},{"key": "产品名称", "value": "ChatMax"}
]技术文档标签提取结果：
[{"key": "技术领域", "value": "深度学习"},{"key": "产品名称", "value": "CT诊断系统"},{"key": "部门名称", "value": "北京协和医院"}
]