Slovar pojmov

Nestrukturirani podatki

Kaj je Nestrukturirani podatki?

Nestrukturirani podatki ne sledijo določeni shemi tabele: e-pošta, pogodbe, priročniki, spletne strani, predstavitve, slike ali zvočni posnetki. Predstavljajo velik del znanja organizacij, a jih je bilo dolgo težko samodejno analizirati. Jezikovni modeli lahko takšne vsebine berejo in iščejo ter jih pretvorijo v strukturirane informacije, na primer da iz pogodbe v tabelo izločijo roke in zneske.

Kako pomaga KI.ordo

V KI.ordo je mogoče kot znanje dodati besedilo, datoteke PDF z besedilnim slojem, datoteke Word in spletne strani, ki jih agenti nato uporabljajo z navedbo virov.

Več o tem

Teme

Podatki
Dokumenti
Znanje

Preizkusite KI.ordo

Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.

Začni predstavitev

← Vsi pojmi

Sorodni pojmi

Strukturirani podatki

Strukturirani podatki sledijo določeni shemi z jasno imenovanimi polji, kot so tabele, podatkovne zbirke ali objekti JSON s podatki, kot so ime, cena in datum. Stroji jih lahko zanesljivo berejo, filtrirajo in obdelujejo – za razliko od prostega besedila ali slik. Na spletnih mestih oznake schema.org na primer opisujejo izdelke, dogodke ali pogosta vprašanja, da iskalniki in sistemi UI vsebino razumejo nedvoumno. UI lahko strukturirane podatke izloči tudi iz nestrukturiranega besedila.

podatki
JSON
+1

Inteligentna obdelava dokumentov (IDP)

Inteligentna obdelava dokumentov (intelligent document processing, IDP) samodejno bere dokumente, kot so računi, pogodbe ali obrazci, prepozna njihovo vrsto in ustrezne podatke pretvori v strukturirane podatke. Združuje prepoznavanje besedila pri skeniranih dokumentih, obdelavo naravnega jezika in pravila preverjanja. Organizacije prihranijo ročni vnos podatkov in pospešijo postopke, kot sta obdelava prejetih računov ali pošte. Negotova polja naj preverijo ljudje.

Dokumenti
Izluščanje podatkov
+1

Predloga

Podatkovno rudarjenje

Podatkovno rudarjenje je sistematično iskanje vzorcev, povezav in nepravilnosti v velikih podatkovnih zbirkah. Opira se na statistične tehnike in metode strojnega učenja, kot so razvrščanje v skupine, klasifikacija ali analiza asociacij. Klasičen primer je analiza nakupovalne košarice v trgovini, ki pokaže, kateri izdelki se pogosto kupijo skupaj – osnova za izbor ponudbe, postavitev in priporočila.

analiza podatkov
prepoznavanje vzorcev
+1