Платформа · Интеллект документов
Самые важные документы — обычно самые неудобные: заявления на 300 страниц, договоры со вложенными приложениями, отчёты по качеству, наполовину состоящие из таблиц и наполовину из сканов. DataFact сохраняет их структуру и помнит, откуда взялся каждый кусок.
Что именно сохраняется
Прочитать документ — не то же самое, что расплющить его. DataFact фиксирует, чем является каждая область страницы, что она содержит и где расположена, — поэтому память сохраняет форму, узнаваемую человеком.
Именно эти области агент извлекает позже и именно туда попадает читатель, когда хочет сам проверить источник.
| Уровень | Q1 | Q2 |
| 4.2% | 4.8% |
Всё здесь появилось потому, что реальный корпус сломал более простой подход.
Вёрстка
Объединённые ячейки остаются объединёнными. Многоуровневые заголовки сохраняют иерархию. Многоколоночные страницы читаются в правильном порядке, а скан между двумя вёрстанными страницами обрабатывается без потери остального документа.
Фрагменты
Текст, таблицы и рисунки сохраняются как разные виды фрагментов. Таблица сохраняет сетку, поэтому её можно запрашивать и отрисовывать как таблицу; рисунок сохраняет изображение, поэтому он возвращается внутри ответа, а не именем файла.
Координаты
Каждый фрагмент фиксирует страницу и область на ней, откуда он взят. Именно это делает ссылку действенной: ответ говорит «страница 12», и просмотрщик открывает страницу 12 с точно очерченной областью.
Правка
На сложном корпусе первый проход разбора никогда не бывает идеальным. Фрагменты можно читать, править, делить, объединять, отключать и переиндексировать на месте, поэтому одна плохая таблица не означает повторной загрузки документа на 400 страниц.
Когда полезная часть документа — это схема, ссылка на файл не является ответом. DataFact возвращает сам рисунок рядом с предложением, которое на него ссылается, и указывает страницу, откуда он вырезан.
Абзац или ячейка таблицы, откуда взято утверждение, приведённые полностью с номером страницы.
Сами строки, отрисованные таблицей с сохранением объединённых ячеек, — не скриншот.
Изображение показано внутри ответа, а занимаемая им область отмечена в исходном файле.
Начните здесь
Тот, что победил другие инструменты: отсканированное приложение, договор со вложенными приложениями, книга, где заголовки растянуты на четыре объединённые ячейки. Мы разберём его и покажем результат фрагмент за фрагментом.
Ваши данные остаются связанными с каждым ответом.
