Docling Parser

Docling 파서는 레이아웃 이해 및 테이블 추출을 위해 여러 개의 오픈 소스 모델을 함께 제공하는 타사 인텔리전트 문서 구문 분석 프레임워크입니다. 이미지 및 복합 테이블에서 사용할 수 있는 정보에서 응답을 향상하려면 대규모 언어 모델(LLM)을 사용하여 Docling 구문 분석 및 이미지 처리를 결합합니다.

노트 LLM을 사용하여 이미지를 구문 분석하면 크레딧 소비에 영향을 미치며 인텔리전트 처리 사용 유형에 대한 요금이 청구됩니다. 자세한 내용은 비정형 데이터의 청구 고려 사항을 참조하십시오.

LLM 기반 이미지 처리를 통해 Data 360은 로고와 같은 불필요한 이미지를 필터링하고 복잡한 인포그래픽만 라우팅합니다. Data 360은 캡처 및 캡처를 위해 특정 임계값 이상의 이미지를 포함하는 페이지를 단일 전체 페이지 이미지로 보냅니다. 이렇게 하면 여러 이미지 간의 관계를 캡처하고 품질을 유지하며 대기 시간이 줄어듭니다.

LLM 기반 이미지 처리를 통해 Data 360은 복잡한 테이블만 평가하고 LLM로 라우팅합니다. 중첩된 머리글이 있는 테이블 또는 여러 페이지에 걸친 긴 형식 병합 열이 포함됩니다.

자세한 내용은 Docling parser를 참조하십시오.

Docling 파서는 다음 형식의 정보를 포함하는 콘텐츠를 구문 분석합니다.

검색 색인 대해 Docling 구문 분석 및 LLM 기반 시각적 데이터 미리 처리 옵션을 모두 선택할 수 없습니다.

LLM을 사용하여 이미지를 구문 분석하려면 청크 전략을 선택할 때 이미지 처리를 활성화합니다. Data 360 검색 색인을 사용하여 콘텐츠 구문 분석을 구성하는 방법에 대한 자세한 내용은 고급 설정으로 벡터 검색 색인 만들기 및 고급 설정으로 하이브리드 검색 색인 만들기를 참조하십시오.

예 사용 사례: 비즈니스에 중요한 정보가 엔터프라이즈 문서의 시각적 요소에 포함된 시나리오에서 이미지 처리를 사용하여 Docling 구문 분석을 선택합니다.

관리 설명서 내의 구조화된 RACI 스타일 플로 차트를 통해 운영 프로세스를 관리하는 항공사 서비스 점검 디비전을 고려하십시오. 이러한 프로세스 맵은 운영자, 담당자, 모듈, 계획, 운영과 같은 기능 전반에 걸쳐 중요한 처리 및 확인을 정의합니다. 각 다이어그램에는 방향 화살표, 결정 노드, 주석이 지정된 수영 경로가 포함되어 있으며, 오류 감지에서 작업 계획 우선 순위 재지정 및 자원 재배포에 이르기까지 단계별 책임이 반영됩니다.

이 개선 사항을 통해 LLM은 플로 차트를 구조화된 프로세스로 해석하여 노드, 커넥터, 화살표, 단계 순서를 인식할 수 있습니다. LLM은 평면 레이블 목록 대신 역할 및 부서 전반의 순차적인 작업 플로를 재구성합니다. 따라서 책임 또는 단계 순서와 관련된 필드의 질문에 대한 답변이 더 정확합니다.

예 사용 사례 2: 비즈니스 관련 중요 정보가 복잡한 테이블에 포함된 경우 이미지 처리가 포함된 Docling 구문 분석을 선택합니다. 이 계정 관리 테이블에는 중첩된 머리글과 집적 텍스트의 행이 포함되어 있습니다.

Data 360은 테이블의 정보를 청크하고 LLM에 청크를 보내기 전에 머리글 정보를 보존합니다. 이 프로세스는 응답 정확도를 향상하고 환각을 줄입니다.