文檔是知識(shí)傳遞的載體,無論是大模型應(yīng)用發(fā)展,還是與產(chǎn)業(yè)數(shù)字化息息相關(guān)的高質(zhì)量數(shù)據(jù)庫的建立,都離不開對(duì)于文檔數(shù)據(jù)的處理和分析。目前,越來越多的開發(fā)者開始關(guān)注文檔數(shù)據(jù)處理背后的“文檔解析”技術(shù),用以實(shí)現(xiàn)自動(dòng)化數(shù)據(jù)提取、優(yōu)化大模型訓(xùn)練、開發(fā)智能文檔處理應(yīng)用。
近期,第五屆長沙·中國1024程序員節(jié)在湖南長沙舉行。大會(huì)由湖南省工業(yè)和信息化廳、湖南湘江新區(qū)管理委員會(huì)、長沙市工業(yè)和信息化局、長沙信息產(chǎn)業(yè)園管委會(huì)和 CSDN 聯(lián)合打造。大會(huì)期間,合合信息面向廣大開發(fā)者,開放智能文檔處理“百寶箱”系列產(chǎn)品(簡稱“百寶箱”)免費(fèi)體驗(yàn)?!鞍賹毾洹备采w文檔處理流程多節(jié)點(diǎn),支持批量、高效、準(zhǔn)確解析多種版式的文檔材料,解決文檔解析精度低、解析效果評(píng)估難和大模型幻覺等問題,助力技術(shù)人員實(shí)現(xiàn)個(gè)性化、高效率的文檔類應(yīng)用開發(fā)工作。
“百寶箱”為文檔應(yīng)用開發(fā)提供個(gè)性化工具
文檔處理包含解析界面可視化、提取關(guān)鍵信息、解析效果測評(píng)等多個(gè)流程,每一節(jié)點(diǎn)都影響著數(shù)據(jù)解析的精度。在長沙·中國1024程序員節(jié)《模型與工具》論壇上,合合信息智能創(chuàng)新事業(yè)部研發(fā)總監(jiān)常揚(yáng)介紹了智能文檔處理“百寶箱”三大產(chǎn)品,用維護(hù)穩(wěn)定、持續(xù)更新、可用性強(qiáng)的AI工具幫助開發(fā)者解決難題。
圖說 長沙·中國1024程序員節(jié)《模型與工具》論壇現(xiàn)場
據(jù)常揚(yáng)介紹,對(duì)于廣大技術(shù)人員而言,一款能夠“開箱即用”的工具能夠讓開發(fā)事半功倍。為解決個(gè)人及中小型企業(yè)技術(shù)人員在開發(fā)過程中遇到的“水土不服”問題,合合信息發(fā)布了一組文檔解析界面前端可視化組件,開發(fā)者可使用相關(guān)界面對(duì)解析效果進(jìn)行交互,包括提取各類解析元素,定位解析元素在文檔中的位置,還原展示各級(jí)目錄樹等。此外,相關(guān)組件還支持對(duì)結(jié)果進(jìn)行編輯修正,方便使用者實(shí)現(xiàn)更高精度的解析效果,進(jìn)行個(gè)性化開發(fā)。
圖說 文檔解析可視化前端界面
在文檔處理及大模型RAG應(yīng)用時(shí),文本向量模型對(duì)于檢索質(zhì)量和效率至關(guān)重要。“百寶箱”開源了合合信息自研的文本向量模型代碼——acge模型,曾于2024年3月榮登C-MTEB榜單第一名,支持長文檔嵌入檢索,兼顧效率和性能,有效提升大模型RAG應(yīng)用效果。目前在開源機(jī)器學(xué)習(xí)社區(qū)和模型庫Hugging Face平臺(tái)上,acge模型單月下載量達(dá)30,423,助力越來越多的開發(fā)者優(yōu)化大模型性能。
本次大會(huì)上,“百寶箱”還為文檔解析工具的篩選配備了“游標(biāo)卡尺”。當(dāng)前市面上的文檔解析產(chǎn)品效果缺乏統(tǒng)一標(biāo)準(zhǔn),為選擇一款合適的工具,開發(fā)者們要花費(fèi)較長的時(shí)間進(jìn)行對(duì)比測試?!鞍賹毾洹敝械摹拔臋n解析測評(píng)工具”從表格、段落、標(biāo)題、閱讀順序、公式等多維度,為文檔解析工具篩選提供定量測評(píng)依據(jù)及服務(wù),并提供雷達(dá)圖等可視化形式,方便開發(fā)者直觀地看到文本識(shí)別、解析和翻譯的結(jié)果,節(jié)省篩選時(shí)間。
圖說 表格數(shù)據(jù)解析效果測評(píng)指標(biāo)
文檔智能解析為專業(yè)知識(shí)庫建設(shè)“打好地基”
技術(shù)只有和具體業(yè)務(wù)實(shí)踐相結(jié)合才能創(chuàng)造價(jià)值,在大會(huì)上,常揚(yáng)分享了“智能文檔處理百寶箱”在知識(shí)庫搭建、智能文檔抽取、大模型預(yù)訓(xùn)練語料與數(shù)據(jù)治理快速入庫以及文檔翻譯場景中的深度應(yīng)用。
以工程制造業(yè)為例,知識(shí)庫的建立需要對(duì)產(chǎn)品設(shè)計(jì)方案、技術(shù)規(guī)格書、工藝流程圖、國家標(biāo)準(zhǔn)文件等在內(nèi)的多版式文檔進(jìn)行分析,數(shù)據(jù)處理難度高。借助“百寶箱”及合合信息智能文檔處理技術(shù),開發(fā)者可以篩選出合適的文檔解析工具并實(shí)現(xiàn)對(duì)復(fù)雜文檔信息的精準(zhǔn)提取。面對(duì)數(shù)據(jù)來源不一致、數(shù)據(jù)更新不及時(shí)等問題,開發(fā)者還可以使用acge模型優(yōu)化知識(shí)庫信息構(gòu)建、檢索和查詢效果。
除了中文文檔,包括生物醫(yī)藥、金融、外貿(mào)等行業(yè)在內(nèi)的專項(xiàng)知識(shí)庫還存在解析、翻譯多語種文檔的需求。不同語種之間不僅字體字形之間存在巨大差異,復(fù)雜語句切分也是一大難題。據(jù)悉,“百寶箱”可在保留文檔原有格式的基礎(chǔ)上做到批量、精確區(qū)分并提取多語種信息,前端組件提供審校修正功能,用戶可直接在界面上對(duì)解析結(jié)果進(jìn)行優(yōu)化,助力提高翻譯質(zhì)量。未來,合合信息智能文檔處理“百寶箱”將始終追求更高的效率與準(zhǔn)確率,從文檔解析到效果測評(píng),為知識(shí)庫產(chǎn)品開發(fā)提供有力支持。
免責(zé)聲明:市場有風(fēng)險(xiǎn),選擇需謹(jǐn)慎!此文僅供參考,不作買賣依據(jù)。
新化月報(bào)網(wǎng)報(bào)料熱線:886 2395@qq.com
相關(guān)文章
最近更新
- 合合信息發(fā)布智能文檔處理“百寶箱”,助力文檔應(yīng)用開發(fā)2024-10-29
- 玻尿酸填充=臉僵?潤資玻尿酸x千人千面讓你“整”明白2024-10-29
- 凝心聚力擔(dān)使命 小贏科技榮獲“2024ESG企業(yè)案例示范獎(jiǎng)2024-10-29
- 雙11國補(bǔ)立減15%,奧佳華X9按摩椅進(jìn)階全能管家,7天改善亞健康!2024-10-29
- ?新質(zhì)生產(chǎn)力促進(jìn)中國陶瓷從文化自覺走向文化自信2024-10-29
- 頂級(jí)納米雙創(chuàng)大賽初賽結(jié)束,50家企業(yè)晉級(jí)全國總決賽2024-10-29
- 從古到今、從無到有、從紙到智:深度數(shù)科剖析票據(jù)市場,重構(gòu)票據(jù)生態(tài)體系建設(shè)2024-10-28
- 新春禮盒發(fā)布在即,黃老五開啟大型綜合食品企業(yè)新篇章2024-10-28
- 135年創(chuàng)新不止 曼秀雷敦?cái)y手張藝興發(fā)布重磅新品2024-10-28
- “和合共進(jìn)”魯南制藥集團(tuán)第一屆生態(tài)伙伴大會(huì)舉行(附名單)2024-10-28
- OPPO Find X8系列重磅發(fā)布,手表、耳機(jī)、平板旗艦全家桶齊亮相2024-10-25
- 麥克維爾在第二十四屆全國暖通空調(diào)制冷學(xué)術(shù)年會(huì)展現(xiàn)創(chuàng)新實(shí)力2024-10-25
- 時(shí)效同比提升8小時(shí)!順豐解鎖物流新速度,推動(dòng)新疆向現(xiàn)代化農(nóng)業(yè)強(qiáng)區(qū)邁進(jìn)2024-10-25
- 蘇北順豐成功舉辦“第一屆金秋蘇北農(nóng)產(chǎn)品上行 ”推介會(huì)2024-10-25
- 哈士奇墩墩紅酒柜,精致生活重要錨點(diǎn)2024-10-25
- 湯臣倍健股份有限公司榮膺“ESG責(zé)任典范企業(yè)獎(jiǎng)”2024-10-25
- 恒生活:AI驅(qū)動(dòng)智能時(shí)代開創(chuàng)未來美好生活2024-10-25
- 秋季護(hù)發(fā)不容忽視 優(yōu)聯(lián)云購雙11洗發(fā)專場優(yōu)惠來襲2024-10-25
- 我在共青創(chuàng)青春 | 黃海賓:帶領(lǐng)企業(yè)致力于成為熱絲CVD裝備引領(lǐng)者2024-10-25
- 金鑼:筑牢誠信基石 保障企業(yè)穩(wěn)健發(fā)展2024-10-25
- 驍龍峰會(huì)亮點(diǎn):自研Oryon CPU首次同時(shí)登陸手機(jī)、汽車2024-10-25
- 高通驍龍進(jìn)化的最佳寫照: AI千里之行始于足下_閃電經(jīng)濟(jì)網(wǎng)2024-10-24
- 補(bǔ)齊拼圖后,高通終于猛推“三端歸一”2024-10-24
- 驍龍8至尊版性能實(shí)測:自研Oryon?CPU實(shí)現(xiàn)45%性能與能效提升2024-10-24
- 驍龍8至尊版發(fā)布,自研第二代Oryon CPU登陸手機(jī)2024-10-24
- 潤致玻尿酸掌握面部微調(diào),告別土氣!迎接千人千面的精致臉!2024-10-24
- 曼卡龍珠寶空降巴黎時(shí)裝周,以中國設(shè)計(jì)展現(xiàn)東方文化魅力2024-10-24
- 昔日停滯商業(yè)體變身社區(qū)新地標(biāo),嘉定富友繁華里重裝亮相2024-10-24
- 設(shè)計(jì)無限,溫度有道|2024 阿里斯頓國際室內(nèi)設(shè)計(jì)大賽南京私享會(huì)暨溫度設(shè)計(jì)師榮譽(yù)盛典圓滿落幕2024-10-24
- 簽約不斷丨璀璨十月,“創(chuàng)新企業(yè)選YonSuite”成新浪潮!2024-10-24