假設我們想要抓取chicagomusiccompass.com。

如你所見，它有幾張卡片，每張卡片代表一個事件。現在，讓我們來看看下一篇：

注意事件名稱是：

jazmin bean: the traumatic livelihood tour

所以現在的問題是：我們要如何從文本中提取藝術家的名字？

作為一個人，我可以「輕鬆地」看出 jazmin bean 是藝術家——只需查看他們的 wiki 頁面即可。但是編寫程式碼來提取該名稱可能會很棘手。

我們可以想，“嘿，: 之前的任何內容都應該是藝術家的名字”，這看起來很聰明，對吧？它適用於這種情況，但是這個怎麼樣：

happy hour on the patio: kathryn & chris

這裡，順序顛倒了。我們可以不斷添加邏輯來處理不同的情況，但很快我們就會得到大量脆弱的規則，並且可能無法涵蓋所有內容。

這就是命名實體識別（NER）模型派上用場的地方。它們是開源的，可以幫助我們從文字中提取名稱。它不會捕獲所有案例，但大多數時候，他們會給我們所需的資訊。

透過這種方法，提取變得更加容易。我選擇 Python 是因為 Python 機器學習社群是無與倫比的。

from gliner import GLiNER

model = GLiNER.from_pretrained("urchade/gliner_base")

text = "jazmin bean: the traumatic livelihood tour"
labels = ["person", "bands", "projects"]
entities = model.predict_entities(text, labels)

for entity in entities:
    print(entity["text"], "=>", entity["label"])

產生輸出：

jazmin bean => person

現在，讓我們來看看另一種情況：

happy hour on the patio: kathryn & chris

輸出：

kathryn => person
chris => person

來源-GLiNER

太棒了，對吧？不再需要繁瑣的邏輯來提取名稱，只需使用模型即可。當然，它不會涵蓋所有可能的情況，但對於我的專案來說，這種靈活性就很好了。如果您需要更高的準確性，您可以隨時：

• 嘗試不同的模型
• 對現有模型做出貢獻
• 分叉項目並調整它以滿足您的需求

結論

身為軟體開發人員，強烈建議隨時更新機器學習領域的工具。並非所有問題都可以透過簡單的程式設計和邏輯來解決 - 使用模型和統計數據可以更好地解決一些挑戰。