# -*- coding: utf-8 -*-
|
# entity_recognition.py
|
# @author: lyg
|
# @date: 2025-04-24
|
# @version: 0.0.1
|
# @description: 实体抽取，将文本中的实体进行识别和提取。
|
|
from langchain_openai.chat_models import ChatOpenAI
|
from langchain_core.prompts import HumanMessagePromptTemplate, ChatPromptTemplate
|
from langchain_core.output_parsers import JsonOutputParser
|
import json
|
|
from knowledgebase import utils
|
|
|
class EntityRecognition:
|
"""
|
实体识别抽取。
|
|
使用langchain构建实体抽取流程。
|
"""
|
cache_file = "entity_recognition.cache"
|
|
def __init__(self):
|
llm = ChatOpenAI(temperature=0,
|
model="qwen2.5-72b-instruct",
|
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
|
api_key="sk-15ecf7e273ad4b729c7f7f42b542749e")
|
msg = HumanMessagePromptTemplate.from_template(template="""
|
# 指令
|
请从给定的文本中提取实体词列表。
|
# 约束
|
- 输出格式为JSON格式；
|
- 输出数据结构为字符串数组。
|
# 示例
|
```json
|
["实体1","实体2"]
|
```
|
|
# 文本如下：
|
{text}
|
"""
|
)
|
prompt = ChatPromptTemplate.from_messages([msg])
|
parser = JsonOutputParser(pydantic_object=list[str])
|
self.chain = prompt | llm | parser
|
self.cache = {}
|
self.load_cache()
|
|
def load_cache(self):
|
"""
|
加载缓存。
|
"""
|
if utils.file_exists(self.cache_file):
|
text = utils.read_from_file(self.cache_file)
|
self.cache = json.loads(text)
|
|
def save_cache(self):
|
"""
|
保存缓存。
|
"""
|
text = json.dumps(self.cache)
|
utils.save_to_file(text, self.cache_file)
|
|
def run(self, in_text: str) -> list[str]:
|
"""
|
运行实体识别抽取。
|
"""
|
# 缓存命中
|
text_md5 = utils.generate_md5(in_text)
|
if text_md5 in self.cache:
|
return self.cache[text_md5]
|
result = self.chain.invoke({"text": in_text})
|
self.cache[text_md5] = result
|
self.save_cache()
|
return result
|
