Parsing og forhåndsbehandling af indhold

Forbered ustrukturerede data til segmentering ved brug af Data 360-indholdsparsing og forbehandling. Parsing og forbehandling identificerer dokumentstrukturer, f.eks. overskrifter, afsnit eller tabeller, fjerner irrelevant indhold og forbereder teksten til segmentering og indeksering.

• LLM-baseret parsing og forhåndsbehandling
  Brug LLM-baseret parsing og forbehandling til at udtrække og forberede tekst, metadata, tabeller og billeder fra ustrukturerede dokumenter til segmentering.
• Docling-parser
  Docling-parseren er en intelligent dokumentparsningsstruktur fra tredjepart, der samler flere open source-modeller til layoutforståelse og tabeludtrækning. Hvis du vil forbedre svar fra oplysninger, der er tilgængelige i billeder og komplekse tabeller, skal du kombinere Docling-parser med billedbehandling ved brug af store sprogmodeller (LLM'er).