Анализ документов

Синтаксический анализ документов использует современные методы исследования для извлечения и визуализации структурированных данных из широкого спектра типов документов, включая, но не ограничиваясь PDF-файлами, изображениями, документами Word (DOC/DOCX) и файлами PowerPoint (PPT/PPTX). Он предназначен для обработки сложных макетов, таких как таблицы, диаграммы и содержимое смешанного текста.

Парсинг документов доступен через интерфейс Agent Bricks и на SQL.

Создайте агент для разбора документов в интерфейсе

Requirements

• Рабочая область, которая включает в себя следующее:
  • Бессерверные вычисления включены. См. требования к бессерверным вычислениям.
  • Каталог Unity включен. См. Включение рабочей области для каталога Unity.
  • Доступ к бессерверной политике использования с ненулевой бюджетом.
• Эта функция доступна только в некоторых регионах, см. сведения о доступности функций ИИ.
  • Эта ai_parse_document функция также доступна для рабочих областей с модулем расширенной безопасности и соответствия требованиям.

Используйте синтаксический анализ документов, чтобы проанализировать документы и визуализировать их структуру.

1. Перейдите к Агенты в левой панели навигации вашего рабочего пространства.
2. Нажмите Создать агента>Анализ документа.
3. Выберите исходный документ. Вы можете загрузить файл или выбрать его из существующего каталога Unity Catalog. Поддерживаемые форматы: PDF, изображения, DOC/DOCX и PPT/PPTX.
4. Щелкните Разобрать документ.

Анализ документа может занять несколько минут. По завершении синтаксический анализ документов отображает исходный документ слева и проанализированный документ справа. Вы можете просмотреть проанализированный документ как форматированный текст или необработанный JSON.

Результаты обработки и запроса

Чтобы просмотреть ai_parse_document запрос и запустить его в дополнительных документах, нажмите кнопку "Использовать агент " и выберите команду "Выполнить запрос" из редактора SQL или записной книжки. Запрос можно изменить, чтобы указать том или таблицу, в которых хранятся документы.

Чтобы подготовить результаты синтаксического анализа для последующего поиска (RAG), используйте ai_prep_search (бета-версия) на следующем этапе.

Разбор документов в SQL

Вызов ai_parse_document в SQL для анализа документов в промышленных масштабах:

SELECT
  ai_parse_document(
    content,
    map('version', '2.0')
  ) AS parsed
FROM READ_FILES('/Volumes/my_catalog/my_schema/my_documents', format => 'binaryFile');

См. ai_parse_documentсправочник по SQL.

Limitations

Смотрите ai_parse_document ограничения.