Yapay zeka ile veri çıkarma nasıl çalışır
Araç önce belgeyi metne çevirir: PDF'nin metin katmanı doğrudan okunur; taranmış sayfalar ile JPG, PNG ve WebP dosyaları OCR'dan geçer. Ardından metin, doldurulacak alanları listeleyen bir JSON şemasıyla birlikte bir dil modeline verilir ve modelin bu şemaya uyan bir JSON ile yanıt vermesi zorunludur.
Değerler yalnızca belgeden alınır. Belgede olmayan bir alan tahmin yerine null veya boş liste olarak döner; tarihler ve tutarlar, sonuç doğrudan bir tabloya veya veritabanına aktarılabilsin diye normalleştirilir. Model FileConvertLab'in kendi sunucularında çalışır; yüklenen dosyaların nasıl işlendiği gizlilik politikasında açıklanır.
Hazır şablonlar
Beş şablon, en sık elle yeniden yazılan belgeleri kapsar. Fatura şablonu satıcıyı, alıcıyı, numarayı, düzenleme ve vade tarihlerini, para birimini, ara toplamı, vergiyi, toplamı ve her kalemi döndürür. Özgeçmiş şablonu iletişim, beceriler, deneyim ve eğitimi; sözleşme şablonu taraflar, tarihler, süre, ödeme koşulları, uygulanacak hukuk, yükümlülükler ve imzacıları döndürür.
Ürün föyü şablonu veri sayfalarından model numaralarını, boyutları, malzemeleri, teknik parametreleri ve sertifikaları toplar; akademik makale şablonu başlık, yazarlar, yayın yeri, DOI, özet, anahtar kelimeler, yöntemler ve ana bulguları döndürür. Tabloların tablo olarak kalması gerekiyorsa PDF'den Excel'e daha uygundur.
Kendi şemanız
Hiçbir şablon uymuyorsa Özel şema'yı seçin ve alanları JSON Schema ile tanımlayın: properties içeren bir nesne; her birinin string, number, boolean, array veya object gibi bir türü ve modele ne arayacağını söyleyen isteğe bağlı bir açıklaması olur. İç içe nesneler ve nesne listeleri desteklenir; en fazla dört düzey ve 60 alan.
Her listenin en fazla öğe sayısı ve her metin alanının en fazla uzunluğu sınırlıdır; böylece yanıt her zaman tamamlanır. Kısa ve anlaşılır alan adları kullanın: model adları ve açıklamaları görür, bu yüzden "YYYY-MM-DD" açıklamalı "delivery_date" alanı "d1"den daha iyi çalışır. Aynı şema otomatik süreçlerde API üzerinden gönderilebilir.
Sınırlar
Planınızın sayfa sınırına kadar tüm sayfalar okunur. Çok uzun bir belgede işlem süresi yetmezse sonuç, o ana kadar okunan sayfaları kapsar ve bunu belirtir. Dosyalar en fazla 50 MB olabilir. Taramalar önce OCR'dan geçtiği için temiz ve düz bir tarama, eğik bir fotoğraftan daha iyi sonuç verir.
Dil modelleri, özellikle düşük kaliteli taramalarda ve alışılmadık düzenlerde değerleri yanlış okuyabilir veya atlayabilir. Önemli rakamları kullanmadan önce belgeyle karşılaştırın. Alan çıkarmak yerine bir taramayı aranabilir yapmak için OCR PDF aracını kullanın.