Glossario

Dati non strutturati

Che cos’è Dati non strutturati?

I dati non strutturati non seguono uno schema tabellare fisso: e-mail, contratti, manuali, pagine web, presentazioni, immagini o registrazioni audio. Costituiscono gran parte del sapere aziendale, ma a lungo sono stati difficili da analizzare automaticamente. I modelli linguistici possono leggerli, cercarvi informazioni e trasformarli in dati strutturati, ad esempio estraendo scadenze e importi da un contratto in una tabella.

Come aiuta KI.ordo

In KI.ordo testi, PDF con livello di testo, file Word e pagine web possono essere caricati come conoscenza, che gli agenti usano poi citando le fonti.

Scopri di più →

Temi

Dati
Documenti
Conoscenza

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Dati strutturati

I dati strutturati seguono uno schema fisso con campi ben definiti, come tabelle, database o oggetti JSON con informazioni quali nome, prezzo e data. Le macchine possono leggerli, filtrarli ed elaborarli in modo affidabile, a differenza di testi liberi o immagini. Sui siti web il markup schema.org descrive ad esempio prodotti, eventi o FAQ in modo che motori di ricerca e sistemi di IA ne comprendano il contenuto senza ambiguità. L'IA può inoltre ricavare dati strutturati da testi non strutturati.

dati
JSON
+1

Elaborazione intelligente dei documenti (IDP)

L'elaborazione intelligente dei documenti (Intelligent Document Processing, IDP) legge automaticamente documenti come fatture, contratti o moduli, ne riconosce il tipo e trasforma le informazioni rilevanti in dati strutturati. Combina il riconoscimento del testo per le scansioni, l'elaborazione del linguaggio e regole di verifica. Le aziende riducono l'inserimento manuale e velocizzano processi come la gestione delle fatture in entrata. I campi incerti dovrebbero essere controllati da persone.

Documenti
Estrazione dati
+1

Modello

Data mining

Il data mining è l'esplorazione sistematica di grandi quantità di dati alla ricerca di schemi, relazioni e anomalie. Si avvale di metodi statistici e di tecniche di machine learning come clustering, classificazione o analisi delle associazioni. Un esempio classico è l'analisi del carrello nel commercio al dettaglio, che mostra quali prodotti vengono spesso acquistati insieme: una base per assortimento, disposizione e raccomandazioni.

analisi dei dati
riconoscimento di schemi
+1