Dansk (DK)

Dataekstraktoren tilbyder en programmerbar måde at konvertere ostrukturerede kilder til strukturerede outputs. Den er designet til udviklere, dataingeniører, analyse og forskning, der kræver gentagelig og revisionsbar datafangst fra fakturaer, kontrakter, e-mails, logfiler og rapporter.
I praksis tager værktøjet imod tekst eller dokumenter, anvender et konfigurerbart udtræks-skema og afgiver strukturerede data. To kerne-modus eksisterer: regelbaseret udtræk ved hjælp af labels, mønstre og normalisering; og maskinlæringsbaseret named-entity recognition med valgfri tilpassede modeller. Brugere kan blande tilgange for at maksimere dækning og nøjagtighed.
Indgange inkluderer kilde tekst eller dokumenter, extraction_schema, sprog og output_format. Uddata inkluderer struktureret_data, tillid pr. felt og oprindelses metadata. Værktøjet understøtter batch-behandling, sprog lokalisering og flere eksportformater (JSON, CSV, YAML) til at passe datapipelines.
Typiske anvendelsestilfælde omfatter udtræk af leverandørnavne og totaler fra fakturaer, udtræk af datoer og IDs fra kontrakter, fortolkning af produktkoder fra kataloger og konvertering af logbegivenheder til strukturerede poster til analyse.