如何从句子中提取指定实体？波斯语NLP实体抽取实现咨询

你要完成的属于*自定义垂直场景命名实体识别（NER）*任务，预定义3类待抽取实体：product（商品实体）、unit count（数量实体）、location（消费场所实体），波斯语场景下可按以下流程实现：

• 场景数据集整理：优先收集和你的需求匹配的波斯语购物类句子，和示例格式保持一致即可。如果要训练专属小模型，需要对数据做BIO标注，标签体系设置为B-PRO、I-PRO、B-COUNT、I-COUNT、B-LOC、I-LOC、O7类即可，新手先标注300~500条就能跑出可用效果。
• 预训练模型选型：选择波斯语专属预训练模型ParsBERT的轻量版本即可，已经提前学习了波斯语的语法、词汇特征，不用从零搭建模型。

• 环境配置：安装依赖工具库，执行命令：
  pip install transformers datasets evaluate seqeval
• 数据预处理：用datasets库加载标注好的数据集，和ParsBERT的分词器做标签对齐，避免分词后实体边界和标注标签错位。
• 模型训练：直接调用transformers库的TrainerAPI，给ParsBERT加装NER分类头，训练3~5个epoch即可收敛，基础参数建议学习率设为2e-5，batch size设为8即可，不需要复杂调参。
• 推理封装：训练完成后导出模型，写简单的推理逻辑，把输出的BIO标签拼接成完整实体，即可得到和示例格式一致的抽取结果。

如果不需要长期批量使用，只想快速验证需求可行性，可以用通用大模型做提示词引导实现，给大模型输入固定规则即可：

你是波斯语实体抽取工具，仅从输入的波斯语购物句子中提取三个字段：product（商品）、unit count（数量）、location（购买地点），没有对应字段则填空，不要输出任何额外内容。
直接输入待抽取的波斯语句子就能得到结果，不需要标注数据和训练。

内容的提问来源于stack exchange，提问作者miladjurablu