材料をその特性によって分類する
選択可能なテキスト、スキャンされたページ、複雑な表、イラスト付きマニュアルを含む PDF には、さまざまな課題があります。ページの歪み、ぼやけ、欠落、不明瞭なコンテンツを検査して、オリジナルの問題と解析エラーを区別します。
正確な OCR テキストだけでは、ページが理解されたとは言えません。凡例と散文、ヘッダーと値、脚注と結論の間の関係はすべて、答えを変える可能性があります。
代表的なページからテストセットを構築する
| ページの種類 | 綿密にチェックすべきこと |
|---|---|
| 連続散文 | 読む順序、段落、見出しの階層 |
| テーブル | 行と列の関係、結合されたセルとユニット |
| 図面またはフローチャート | 凡例、ラベル、方向および関連説明 |
| スキャンしたページ | テキストの完全性、ページ番号、認識エラー |
| 複数のマニュアルバージョン | バージョン、発効日、適用機器 |
質問を使用して解析をテストする
- ページの種類ごとに、レビュー担当者が答えを正確に見つけることができる事実に基づく質問を選択します。
- 取得した文章を元の文章と比較し、十分な文脈が含まれているかどうかを確認します。
- 回答に記載されているページ番号、図、バージョンを確認してください。
- 文言は似ているが意味が異なる反例を追加して、システムが間違ったマテリアルを選択するかどうかを確認します。
- エラーカテゴリと代表的なサンプルを保存します。処理方法を調整して再テストしてください。
不明瞭なコンテンツは人間によるレビューに転送されます
数字がぼやけている場合、ラベルが欠落している場合、またはバージョンが競合している場合は、まずより鮮明なオリジナルを見つけてください。不十分な資料から重要なパラメータを推測しないでください。操作手順に関する回答を検証済みのオリジナルのマニュアルと照合し、マニュアルの範囲と適切な人間の判断の必要性を維持します。
デプロイメントでサポートされている解析方法、リソース、およびパラメーターを選択します。一部のファイルは完全に解析できません。
このガイドは役に立ちましたか?
