انجمن علوم داده

2:45

This media is not supported in your browser

VIEW IN TELEGRAM

👨🏻‍💻کتابخانه‌ی پایتون فوق به شما کمک می‌کند از فایل‌های پیچیده مانند جدول‌ها، عکس‌ها، نمودارها یا اسناد چندصفحه‌ای، داده‌های قابل ‌استفاده برای مدل‌های زبانی استخراج کنید.


📝 ایده‌ی Agentic Document Extraction این است که برخلاف روش‌های معمول مثل OCR که فقط متن رو می‌خوانند، می‌تواند ساختار و رابطه‌ی بین بخش‌های مختلف سند را هم بفهم . مثلاً می‌فهمد یک عنوان مربوط به کدام جدول یا تصویر است.


✅ با PDF، عکس و لینک‌ سایت‌ها کار می‌کند.

☑️ می‌تواند سندهای خیلی بزرگ (تا ۱۰۰۰ صفحه) را خود تکه‌تکه و پردازش کند.

✔️ خروجی را هم به‌صورت JSON می‌دهد و به صورت هم Markdown.

☑️ حتی محل دقیق هر بخش روی صفحه را مشخص می‌کند.

✔️ از پردازش موازی و دسته‌ای پشتیبانی می‌کند.

pip install agentic-doc

┌ 📚 Agentic Document Extraction
├ 🌐 Website
└ 💻 GitHub-Repos

در کانال انجمن علوم داده با ما همراه باشید🌱
| @DataScience_Association |

❤‍🔥4🔥1💯1

www.tgoop.com/DataScience_Association/885

675 viewsedited  Oct 11 at 13:33

👨🏻‍💻کتابخانه‌ی پایتون فوق به شما کمک می‌کند از فایل‌های پیچیده مانند جدول‌ها، عکس‌ها، نمودارها یا اسناد چندصفحه‌ای، داده‌های قابل ‌استفاده برای مدل‌های زبانی استخراج کنید.


📝 ایده‌ی Agentic Document Extraction این است که برخلاف روش‌های معمول مثل OCR که فقط متن رو می‌خوانند، می‌تواند ساختار و رابطه‌ی بین بخش‌های مختلف سند را هم بفهم . مثلاً می‌فهمد یک عنوان مربوط به کدام جدول یا تصویر است.


✅ با PDF، عکس و لینک‌ سایت‌ها کار می‌کند.

☑️ می‌تواند سندهای خیلی بزرگ (تا ۱۰۰۰ صفحه) را خود تکه‌تکه و پردازش کند.

✔️ خروجی را هم به‌صورت JSON می‌دهد و به صورت هم Markdown.

☑️ حتی محل دقیق هر بخش روی صفحه را مشخص می‌کند.

✔️ از پردازش موازی و دسته‌ای پشتیبانی می‌کند.

pip install agentic-doc

BY انجمن علوم داده