مانا پترو
DF-02پایهموج 1هوش مصنوعیدامنهٔ تخصصی

استخراج ساخت‌یافته از گزارش‌ها

در یک جمله

عددها را از دل گزارش‌ها بیرون می‌کشد — عمق، نرخ، فشار، حجم، تاریخ — و در پایگاه داده می‌نشاند، هرکدام با پیوندی به همان صفحه‌ای که از آن درآمده است.

مسئله چیست

متن قابل‌جست‌وجو نسبت به تصویر اسکن‌شده پیشرفت بزرگی است و هنوز داده نیست. هیچ‌کس نمی‌تواند از روی نثر، روند رسم کند، مدل بسازد یا کوئری بزند. اعداد باید به سطر تبدیل شوند.

چطور کار می‌کند

اول نوع سند تشخیص داده می‌شود و بعد یک الگوی استخراج مخصوص همان نوع اجرا می‌شود؛ گزارش روزانهٔ حفاری، مطالعهٔ PVT و گزارش آزمایش چاه هرکدام الگوی خودشان را دارند. استخراج، مدل‌های آگاه به چیدمان را با قواعد اعتبارسنجی دامنه ترکیب می‌کند: عمقی که کم می‌شود، نرخی بیرون از بازهٔ فیزیکی یا تاریخی خارج از توالی، رد می‌شود نه ذخیره. هر مقدار استخراج‌شده ارجاعی به صفحه و مختصات منبع خودش را نگه می‌دارد.

چه داده‌ای لازم است

  • خروجی OCR از خط پردازش اسناد
  • یک الگوی هدف برای هر نوع سند، توافق‌شده با تیم تخصصی
  • قواعد اعتبارسنجی و بازهٔ فیزیکی هر فیلد
  • نمونهٔ برچسب‌خورده برای هر نوع سند، معمولاً پنجاه تا دویست سند

چه چیزی تحویل می‌گیرید

  • رکوردهای ساختاریافته در پایگاه دادهٔ رابطه‌ای، با ارجاع کامل به منبع
  • اطمینان استخراج برای هر فیلد، با صف بازبینی برای مقدارهای کم‌اطمینان
  • گزارش پوشش: از هر نوع سند چندتا پردازش شده و چه سهمی از فیلدها پر شده است

چه کاری از آن برنمی‌آید

هر نوع سند جدید به شِمای اختصاصی و نمونه‌های برچسب‌خورده نیاز دارد — این یک مدل واحد نیست که همه‌چیز را بخواند. نوع سندی که تنها چند نمونه در آرشیو دارد ارزش خودکارسازی ندارد و ما همین را می‌گوییم، به‌جای تحویل یک استخراج‌کنندهٔ شکننده. مقادیری که در گزارش اصلی اشتباه بوده‌اند، همان‌طور اشتباه استخراج می‌شوند؛ اعتبارسنجی موارد فیزیکی ناممکن را می‌گیرد، نه صرفاً نادرست را.

در صفحهٔ هر قابلیت، یک محدودیت واقعی نوشته شده است. فروشنده‌ای که نتواند بگوید محصولش کجا تمام می‌شود، دربارهٔ اینکه از کجا شروع می‌شود هم راستش را به شما نگفته است.

قابلیت‌های مرتبط

  • DF-01پایه

    خط لولهٔ OCR اسناد میدانی

    دهه‌ها گزارش، نمودار و نقشهٔ اسکن‌شده را به متن قابل جست‌وجو تبدیل می‌کند؛ اسناد فارسی و عربی و یادداشت‌های دست‌نویس را هم شامل می‌شود.

    بنیان دادههوش مصنوعی
  • DF-07پایه

    کنترل کیفیت خودکار داده

    داده‌های ورودی را به‌طور پیوسته برای حسگر گیرکرده، مقادیر ناممکن، دوره‌های گمشده و واحدهای اشتباه بررسی می‌کند و سلامت دادهٔ میدان را به‌صورت یک عدد گزارش می‌دهد.

    بنیان دادهفناوری اطلاعاتهوش مصنوعی
  • SR-13پایه

    مدل‌سازی PVT و تنظیم معادلهٔ حالت

    داده‌های مطالعات سیال را از دهه‌ها گزارش آزمایشگاهی استخراج می‌کند و معادلهٔ حالت را با همهٔ آن‌ها تنظیم می‌کند، نه با تنها گزارشی که در دسترس بوده است.

    هوشمندسازی زیرسطحی و مخزندامنهٔ تخصصیهوش مصنوعی
  • KC-01پایه

    دستیار دانش فنی (RAG)

    دربارهٔ میدان خودتان به فارسی، عربی، انگلیسی یا اسپانیایی سؤال می‌پرسید و جوابی می‌گیرید که گزارش و شمارهٔ صفحهٔ منبعش را هم می‌گوید.

    دانش و دستیارهوش مصنوعی