Sanasto

Jäsentämätön data

Mikä on Jäsentämätön data?

Jäsentämätön data ei noudata kiinteää taulukkoskeemaa: sähköpostit, sopimukset, käsikirjat, verkkosivut, esitykset, kuvat tai äänitallenteet. Se muodostaa suuren osan organisaation tietämyksestä, mutta sen automaattinen analysointi oli pitkään vaikeaa. Kielimallit voivat lukea ja hakea tällaista sisältöä ja muuntaa sen jäsennellyksi tiedoksi, esimerkiksi poimia sopimuksesta määräajat ja summat taulukkoon.

Miten KI.ordo auttaa

KI.ordossa tekstin, tekstikerroksellisten PDF-tiedostojen, Word-tiedostojen ja verkkosivujen voi lisätä tietämykseksi, jota agentit sitten käyttävät lähdeviittein.

Lue lisää

Aiheet

Data
Dokumentit
Tietämys

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Jäsennelty data

Jäsennelty data noudattaa kiinteää skeemaa selkeästi nimetyin kentin, kuten taulukot, tietokannat tai JSON-objektit, jotka sisältävät tietoja kuten nimi, hinta ja päivämäärä. Koneet voivat lukea, suodattaa ja käsitellä sitä luotettavasti – toisin kuin vapaata tekstiä tai kuvia. Verkkosivuilla schema.org-merkintä kuvaa esimerkiksi tuotteita, tapahtumia tai UKK:ta, jotta hakukoneet ja tekoälyjärjestelmät ymmärtävät sisällön yksiselitteisesti. Tekoäly voi myös poimia jäsenneltyä dataa jäsentämättömästä tekstistä.

data
JSON
+1

Älykäs dokumenttienkäsittely (IDP)

Älykäs dokumenttienkäsittely (IDP) lukee automaattisesti dokumentteja, kuten laskuja, sopimuksia tai lomakkeita, tunnistaa niiden tyypin ja muuntaa olennaiset tiedot rakenteiseksi dataksi. Se yhdistää skannattujen dokumenttien tekstintunnistuksen, luonnollisen kielen käsittelyn ja validointisäännöt. Organisaatiot säästävät manuaalisessa tietojen syötössä ja nopeuttavat prosesseja, kuten saapuvien laskujen tai postin käsittelyä. Epävarmat kentät tulee antaa ihmisen tarkistettavaksi.

Dokumentit
tietojen poiminta
+1

Malli

Tiedonlouhinta

Tiedonlouhinta on suurten aineistojen järjestelmällistä läpikäyntiä säännönmukaisuuksien, yhteyksien ja poikkeamien löytämiseksi. Siinä hyödynnetään tilastollisia menetelmiä ja koneoppimisen tekniikoita, kuten klusterointia, luokittelua tai assosiaatioanalyysia. Klassinen esimerkki on vähittäiskaupan ostoskorianalyysi, joka paljastaa, mitä tuotteita ostetaan usein yhdessä – perusta valikoimalle, sijoittelulle ja suosituksille.

data-analyysi
hahmontunnistus
+1