Glosar

Date nestructurate

Ce este Date nestructurate?

Datele nestructurate nu urmează o schemă fixă de tabel: e-mailuri, contracte, manuale, pagini web, prezentări, imagini sau înregistrări audio. Ele reprezintă o mare parte din cunoștințele unei organizații, dar au fost mult timp greu de analizat automat. Modelele lingvistice pot citi și căuta într-un asemenea conținut și îl pot transforma în informații structurate, de exemplu extrăgând dintr-un contract termenele și sumele într-un tabel.

Cum ajută KI.ordo

În KI.ordo, textul, PDF-urile cu strat de text, fișierele Word și paginile web pot fi adăugate drept cunoștințe, pe care agenții le folosesc apoi cu trimiteri la surse.

Aflați mai multe

Subiecte

Date
Documente
Cunoștințe

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Date structurate

Datele structurate respectă o schemă fixă, cu câmpuri clar denumite, precum tabelele, bazele de date sau obiectele JSON cu detalii ca nume, preț și dată. Mașinile le pot citi, filtra și prelucra în mod fiabil – spre deosebire de textul liber sau de imagini. Pe site-uri web, marcajul schema.org descrie, de exemplu, produse, evenimente sau FAQ-uri, astfel încât motoarele de căutare și sistemele de IA să înțeleagă fără ambiguitate conținutul. IA poate extrage date structurate și din text nestructurat.

date
JSON
+1

Prelucrarea inteligentă a documentelor (IDP)

Prelucrarea inteligentă a documentelor (IDP) citește automat documente precum facturi, contracte sau formulare, le identifică tipul și transformă detaliile relevante în date structurate. Combină recunoașterea textului pentru documentele scanate, procesarea limbajului natural și reguli de validare. Organizațiile economisesc introducerea manuală a datelor și accelerează procese precum tratarea facturilor sau a corespondenței primite. Câmpurile incerte ar trebui verificate de oameni.

Documente
extragerea datelor
+1

Șablon

Data mining

Data mining înseamnă căutarea sistematică, în seturi mari de date, a tiparelor, relațiilor și anomaliilor. Se bazează pe tehnici statistice și pe metode de machine learning, precum clusterizarea, clasificarea sau analiza asocierilor. Un exemplu clasic este analiza coșului de cumpărături din comerțul cu amănuntul, care arată ce produse se cumpără frecvent împreună – o bază pentru sortiment, amplasare și recomandări.

analiza datelor
recunoașterea tiparelor
+1