对非结构化的文本结构化，采用什么模型

对于非结构化的文本结构化，可以采用如下模型：

1. 文本分类模型：将文本按照主题、情感等进行分类，例如使用基于深度学习的卷积神经网络（CNN）、循环神经网络（RNN）或者Transformer模型来实现。

2. 命名实体识别模型：将文本中的实体（人名、地名、组织机构等）进行识别和分类，例如使用条件随机场（CRF）、BiLSTM-CRF、BERT等模型。

3. 文本聚类模型：将文本按照相似性进行聚类，例如使用K-means、层次聚类、谱聚类等算法。

4. 关键词提取模型：从文本中提取关键词或短语，例如使用TF-IDF、TextRank、LDA等算法。

5. 信息抽取模型：从文本中抽取结构化信息（例如事件、关系等），例如使用基于模板的信息抽取、深度学习的序列标注模型等。

需要根据具体的任务和数据情况选择适合的模型。