archystream
ENRO

Extragerea automată a datelor

Extragerea automată a datelor din documente

Archystream extrage datele la încărcarea documentelor și indică sursa fiecărei valori. Echipa poate verifica direct pasajul relevant, fără să recitească întregul fișier.

Ce se întâmplă după încărcarea unui document

  1. 1Încărcare

    Fișierul este verificat

    Fișierul este scanat antivirus, primește o amprentă SHA-256, iar formatul este identificat pe baza conținutului.

    în câteva secunde, documentul este disponibil și poate fi găsit prin căutare
  2. 2Programare

    Documentul așteaptă analiza

    Analiza detaliată este programată într-o coadă de procesare. Operatorii pot vedea starea fiecărui document și pot relua sau anula procesarea.

    starea procesării rămâne vizibilă, inclusiv când apare o problemă
  3. 3Extragere

    Datele sunt extrase din fișier

    Platforma citește proprietățile fișierului, anteturile emailurilor și textul documentului. Pentru imagini folosește OCR, apoi aplică regulile de extragere a referințelor, identificatorilor și datelor calendaristice.

    rezultatele intermediare sunt păstrate; la schimbarea unei reguli se reia doar etapa afectată
  4. 4Sursă

    Fiecare valoare are o sursă

    Pentru fiecare valoare se înregistrează pagina, citatul exact, poziția în text, metoda de extragere și gradul de încredere.

    dacă sursa nu poate fi regăsită, valoarea este semnalată pentru verificare

Confirmate automat

Informații citite direct din fișier: format, dimensiune, număr de pagini și amprentă de integritate.

Propuse spre verificare

Valorile deduse sunt grupate pe câmp, pentru a putea fi verificate în mai multe documente deodată.

Confirmate de o persoană

Termenele de păstrare, restricțiile de acces și alte câmpuri cu efect juridic necesită întotdeauna verificare umană.

  1. 5Descriere

    Datele completează câmpurile arhivei

    Valorile confirmate sunt înscrise în câmpurile definite pentru documentele dumneavoastră și sunt incluse în indexul de căutare.

  2. 6Export

    Format propriu, Dublin Core sau PREMIS

    Exportul include amprenta de integritate stocată și versiunile profilului și vocabularului folosite.

Timpii au fost măsurați pe un calculator de dezvoltare, folosind un set de referință de 104 documente. În aceste teste, documentele au devenit disponibile în câteva secunde, iar extragerea completă a datelor a durat câteva minute. La modificarea unei reguli, reprocesarea a durat o fracțiune din timpul inițial.

Extragere pe baza unor reguli clare

Platforma identifică formatul fișierului, citește proprietățile acestuia și extrage din anteturile emailurilor informații despre corespondenți și conversații. Apoi aplică reguli pentru referințe, numere de înregistrare, identificatori financiari și date calendaristice, în documente în română, engleză și olandeză.

Sursa este indicată lângă fiecare valoare

Pentru fiecare valoare propusă, vedeți pagina, citatul exact și poziția în text. Dacă citatul nu se regăsește în textul stocat, valoarea este semnalată pentru verificare și nu este acceptată ca informație citită din document.

Păstrați evidența valorilor propuse

Fiecare valoare extrasă este păstrată împreună cu sursa, metoda de extragere și gradul de încredere. Dacă sursele se contrazic, ambele variante rămân vizibile, iar decizia persoanei care verifică este înregistrată. Se poate consemna și lipsa unei informații, de exemplu că documentul nu menționează un număr de dosar.

Reguli clare pentru confirmarea automată

Informațiile citite direct din fișier se confirmă automat. Valorile deduse sunt trimise spre verificare. Termenele de păstrare și restricțiile de acces trebuie confirmate de o persoană, indiferent de gradul de încredere. Data scanării nu înlocuiește automat data creării documentului.

Verificați același câmp în mai multe documente

Puteți verifica, pe rând, valorile aceluiași câmp din mai multe documente. Sursa apare lângă valoare, iar documentul este afișat alături de formular. Dacă un nume apare identic în mai multe locuri, o singură corectură se aplică tuturor acelor apariții.

Export în formate standard

Exportați metadatele în formatul propriu al platformei, Dublin Core sau PREMIS. Exportul include amprenta de integritate calculată și stocată anterior, precum și versiunile profilului și vocabularului folosite.

Calitatea rezultatelor

Știți cât de precise sunt datele extrase

Testăm extragerea automată pe seturi de referință fixe și raportăm rezultatele pentru fiecare câmp și tip de document. Un formular creat digital și o scanare slabă pot da rezultate foarte diferite. Măsurătorile vă ajută să estimați cât va avea echipa de verificat.

Folosim aceleași seturi de referință, pentru a putea compara rezultatele de la un test la altul

Raportăm rezultatele separat pentru fiecare tip de document

Când exemplele sunt prea puține, marcăm câmpul ca nemăsurat

Dacă o informație lipsește din document, identificarea corectă a acestei lipse este considerată un rezultat bun

Vedeți cum puteți lucra cu Archystream

Spuneți-ne cu ce tipuri de documente lucrați. Vă arătăm cum se configurează aplicația pentru ele și cât de precise sunt datele extrase din documente similare.

Sau scrieți-ne la [email protected]