文檔結(jié)構(gòu)化處理
知識的挖掘來源于數(shù)據(jù)分析，而數(shù)據(jù)分析的基礎(chǔ)是數(shù)學(xué)模型和結(jié)構(gòu)化的特征數(shù)據(jù)。如何將價值稀疏的非結(jié)構(gòu)化數(shù)據(jù)整理轉(zhuǎn)化為結(jié)構(gòu)化數(shù)庫或知識圖譜？這一直是智能思創(chuàng)矢志不渝的追求。智能思創(chuàng)“文檔結(jié)構(gòu)化處理“充分利用機器學(xué)習(xí)、自然語言處理、信息抽取等技術(shù)，把網(wǎng)頁、PDF、Office 文檔、文檔掃描文件等各種文件解析成文本結(jié)構(gòu)，再通過閱讀格式文本抽取、融合、校驗形成目標(biāo)維度的結(jié)構(gòu)化數(shù)據(jù)。