请教一下此类场景在 NLP 中属于哪个功能分支，可否通过 NLP 相关模型实现

[s609926202]

简单点说，就是从微信群聊记录中摘取关于工序流转的文本，并从中提取关键信息，录入到数据库中。

其中关键信息有：工序名称，产品型号，数量，批次，接收人等。规定的流转格式是：

封装转测试
HP-10010 10 只 2301 批
@张三

但是具体到操作员发到群聊的时候，就变味了，各种五花八门的表达都有，这也就导致原本可以使用正则来提取信息变得困难，比如：

转测试 HP-10010 10 只 2306 周  
@张三

HP-10010 转高低温测试 10 只 2306 周  
@张三

如果用 NLP 来处理，如分词、词法分析、自动摘要，都不符合上述场景。

所以请教大家，有没有一个 NLP 功能，我可以自定义词库，如产品型号、工序名称，使得它能正确的识别到这是 1 段关于工序流转的语言，从而提取出关键信息。

[liprais]

三元组提取呗
都不用 chatgpt,一般的 gpt2 模型都能做
看看清华搞出来的那个 ，可以直接 few shot 训练

[vsitebon]

如果你产品型号长度固定而且搭配类似，然后只前边一定有数字，且周前边有数字，我觉得这个问题用个正则，或者两三个正则就能解决了。。。

[s609926202]

@vsitebon 目前用的正则，不理想，主要是各种表达都有

[TimePPT]

实体提取，常规任务，最简单就是政策，追求泛化，需要一些数据做训练语料。

[VincentLee9527]

NER ，中文叫命名实体识别。任务就是从非结构化的文本中抽取出结构化的信息，然后保存到数据库中。
关键信息--即实体类型。
三种方案可以做:
1. 规则匹配的方式，这个复杂度最高，需要算法分析各种情况，然后写正则进行拟合。
2. NLU 模型，自然语言理解模型。先标注 NER 的数据，然后训练一个 NER 的模型，常见的模型架构如: BERT + CRF 、BERT-MRC 等。
3. NLG 模型，自然语言生成模型。现在最火的 chatGPT 等 LLM 。设计 prompt ，让 LLM 生成你要的数据格式。最好让 LLM 生成 json 格式的文本，这样好用规则进行提取。
——最后，可以私聊我，有偿进行指导。