Речник

Неструктурирани данни

Какво е Неструктурирани данни?

Неструктурираните данни не следват фиксирана таблична схема: имейли, договори, ръководства, уеб страници, презентации, изображения или аудиозаписи. Те съставляват голям дял от знанията на организациите, но дълго време бяха трудни за автоматичен анализ. Езиковите модели могат да четат и търсят в такова съдържание и да го превръщат в структурирана информация, например като извличат срокове и суми от договор в таблица.

Как помага KI.ordo

В KI.ordo текст, PDF файлове с текстов слой, Word файлове и уеб страници могат да бъдат добавяни като знания, които агентите използват с посочване на източници.

Научете повече

Теми

Данни
Документи
Знания

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Структурирани данни

Структурираните данни следват фиксирана схема с ясно именувани полета, като таблици, бази данни или JSON обекти с данни като име, цена и дата. Машините могат да ги четат, филтрират и обработват надеждно – за разлика от свободния текст или изображенията. В уебсайтовете маркирането по schema.org описва например продукти, събития или често задавани въпроси, така че търсачките и системите с ИИ да разбират съдържанието недвусмислено. ИИ може също да извлича структурирани данни от неструктуриран текст.

данни
JSON
+1

Интелигентна обработка на документи (IDP)

Интелигентната обработка на документи (intelligent document processing, IDP) автоматично чете документи като фактури, договори или формуляри, определя вида им и превръща съществените данни в структурирани. Тя съчетава разпознаване на текст от сканирани документи, обработка на естествен език и правила за валидиране. Организациите спестяват ръчното въвеждане на данни и ускоряват процеси като обработката на входящи фактури или поща. Несигурните полета трябва да се проверяват от хора.

Документи
Извличане на данни
+1

Шаблон

Извличане на данни (data mining)

Извличането на данни (data mining) е системно търсене на закономерности, връзки и аномалии в големи масиви от данни. То използва статистически методи и методи на машинното обучение, като клъстеризация, класификация или асоциативен анализ. Класически пример е анализът на пазарната кошница в търговията на дребно, който показва кои продукти често се купуват заедно – основа за асортимента, разположението и препоръките.

анализ на данни
разпознаване на образци
+1