👉 @ai_python 🆕

این پست از Peter W. J. Staar درباره قابلیت جدیدی در پروژه Docling هست که توسط تیم IBM Research توسعه داده شده:

کلمه Docling را در کانال اگر سرچ کنید پست های زیادی دربارش داریم.

👉 @ai_python 🆕

کتابخانه Docling حالا می‌تونه داده‌های ساخت‌یافته رو مستقیم از اسناد استخراج کنه
به جای تبدیل سند به متن یا JSON، داکلینگ می‌تونه مستقیماً فیلدهای موردنظر رو از سند بیرون بکشه!

👉 @ai_python 🆕

کاربر می‌تونه با استفاده از اسکیمای آزاد (free-form schema) مشخص کنه چه اطلاعاتی باید استخراج بشه. این یعنی می‌تونی خروجی رو مستقیم با ساختار پایگاه‌داده‌ات هماهنگ کنی.

👉 @ai_python 🆕

این قابلیت برای پایپ‌لاین‌های داده‌ای که نیاز به استخراج اطلاعات از اسناد نامرتب دارن (مثل فاکتورها، رزومه‌ها، قراردادها و...) بسیار مفیده.

همون طور که گفتیم : بدون نیاز به API یا ارسال داده به سرور !!!

برای رسیدن به این مقصود از مدل‌های پیشرفته شرکت NuMind استفاده می‌کنه.

فعلاً روی فایل‌های PDF و تصویر (PNG) تمرکز داره؛ پشتیبانی از متن ساده به‌زودی اضافه می‌شه.