Enterprise edisi

Intelligence — Referensi Mendalam

Sekilas

Referensi mendalam ini mendokumentasikan pengetikan key-value dan validasi skema, sintesis kisi tabel, serta batas orkestrasi searchable-overlay.

Ketersediaan & lisensi

Kapabilitas ini dikirimkan dalam NextPDF Enterprise (nextpdf/enterprise) dan aktif dengan envelope lisensi tier Enterprise. Penerapan tanpa entitlement tersebut tidak memuat kelas-kelas kapabilitas ini. Bandingkan edisi dan dapatkan lisensi.

Kontrak perilaku

StructuredExtractor::extract mengetik masukan key-value mentah. Ketika sebuah skema disediakan, hanya pasangan yang kuncinya cocok dengan field skema yang dipertahankan; pasangan tanpa confidence eksplisit menerima default tetap. validateSchema mengembalikan nama field wajib yang tidak ditemukan (kosong berarti sesuai). Langkah ini mengetik dan memvalidasi data yang sudah diekstraksi; ia tidak mengenali teks dan tidak menetapkan presisi terkomputasi apa pun.

TableExtractor::extract membangun tabel terstruktur dari kisi baris mentah. Jumlah kolom adalah baris terlebar; baris pendek dipadati dengan sel kosong. Setiap sel menerima bounding box tersintesis dari subdivisi seragam atas area halaman ternormalisasi dan confidence default tetap. Tabel tanpa baris atau tanpa kolom dilewati. Bounding box adalah sintesis kisi, bukan tata letak terukur.

SearchableOverlay::generate memvalidasi header PDF, membatasi ukuran masukan dan jumlah halaman (gagal-tertutup pada overflow), mendeteksi halaman yang tidak memiliki lapisan teks yang dapat dipakai, menggerakkan backend OCR yang dikonfigurasi, dan mengembalikan jumlah kata per-halaman serta rata-rata confidence. Halaman dengan lapisan teks native yang dapat dipakai dilewati secara default. Teks OCR tak terlihat mengandalkan mode rendering teks yang tidak mengisi maupun menggores glyph (ISO 32000-2:2020 §9.3.3); ketika sumbernya ditandai (tagged), structure tree memetakan konten ke urutan baca (§14.7) dan elemen struktur tabel mendeskripsikan baris dan sel (§14.8). Rasterisasi sebenarnya dan injeksi teks-tak-terlihat didelegasikan ke proses sidecar terpisah; permukaan PHP mengorkestrasi dan mengembalikan metadata hasil. Keluaran overlay adalah dokumen turunan — tanda tangan apa pun yang ada dibatalkan dan kesesuaian harus divalidasi ulang. Confidence bersifat passthrough atau default tetap; permukaan tidak menegaskan akurasi OCR atau recall ekstraksi apa pun.

Permukaan API publik

NextPDF\Enterprise\Intelligence\StructuredExtractor, NextPDF\Enterprise\Intelligence\ExtractionSchema, NextPDF\Enterprise\Intelligence\SchemaField, NextPDF\Enterprise\Intelligence\KeyValuePair, NextPDF\Enterprise\Intelligence\TableExtractor, NextPDF\Enterprise\Intelligence\TableResult, NextPDF\Enterprise\Intelligence\TableCell, NextPDF\Enterprise\Intelligence\SearchableOverlay, NextPDF\Enterprise\Intelligence\OverlayConfig, NextPDF\Enterprise\Intelligence\SearchableOverlayResult, NextPDF\Enterprise\Intelligence\PageOverlayInfo, NextPDF\Enterprise\Intelligence\ExtractionConfig, dan enum ExtractionStrategy / OverlayQuality. Backend OCR adalah kontrak yang diinjeksi yang disediakan oleh penerapan. Tanda tangan dicantumkan pada halaman publik.

Kesesuaian

Mekanisme overlay memetakan ke ISO 32000-2:2020 §9.3.3 (mode rendering teks) dan, untuk sumber yang ditandai, §14.7–§14.8 (structure tree dan elemen tabel). Langkah penstrukturan mengonsumsi data yang sudah diekstraksi; kualitas dibatasi oleh ekstraktor hulu dan backend OCR.

Kasus tepi & perilaku mode FIPS

Bounding box tabel tersintesis adalah subdivisi kisi seragam, bukan tata letak terukur.
Ketika backend OCR tidak tersedia, halaman yang terdampak menyumbang nol kata alih-alih menggagalkan seluruh proses secara diam-diam; periksa hasil per-halaman.
Keluaran overlay adalah dokumen turunan; validasi ulang tanda tangan dan status kesesuaian.
Tidak ada operasi kriptografis yang terjadi dalam modul ini, sehingga tidak ada perilaku spesifik-mode-FIPS.

Batas publikasi

Halaman ini hanya mendokumentasikan perilaku yang dapat diamati secara eksternal dan permukaan API publik yang didukung. Jalur namespace internal, kelas helper, tabel mekanisme, nama berkas runbook, dan prefiks tiket berada di luar cakupan.

Fallback Core

NextPDF Core (Apache-2.0) tidak memiliki orkestrasi searchable-overlay dan tidak ada permukaan penstrukturan yang tervalidasi-skema — tidak ada; kapabilitas ini tidak memiliki padanan di tingkat Core.

Fallback Pro

NextPDF Pro mengirimkan ekstraksi struktural berbasis-AST atas dokumen yang sudah terurai; ia tidak menyediakan penstrukturan key-value yang tervalidasi-skema, rekonstruksi tabel dari kisi mentah, atau orkestrasi searchable-overlay berbasis-OCR. Itu hanya dikirimkan dalam paket nextpdf/enterprise.

Catatan batas Enterprise

Pengetikan key-value, validasi skema, sintesis kisi tabel, dan orkestrasi overlay dijelaskan pada tingkat perilaku. Rasterisasi sebenarnya dan injeksi teks-tak-terlihat berjalan dalam proses sidecar terpisah; bagian internal sidecar, model OCR, dan detail orkestrasi internal apa pun berada di luar cakupan dan tidak direproduksi di sini. Backend OCR adalah kontrak yang diinjeksi yang disediakan oleh penerapan.

Batas penerapan

Penerapan menyediakan dan mengoperasikan backend OCR serta memilih di mana OCR dikomputasi — dan karena itu di mana citra dokumen dan teks yang dikenali dikomputasi serta disimpan. Permukaan membatasi ukuran masukan dan jumlah halaman serta gagal-tertutup pada overflow. NextPDF Enterprise mengorkestrasi alur kerja dan mengembalikan metadata hasil; ia tidak menanamkan model OCR atau menjamin akurasi pengenalan maupun recall ekstraksi.

Batas kepatuhan hukum

Tidak ada pembatasan kendali ekspor yang berlaku pada permukaan ini. Permukaan tidak menegaskan jaminan akurasi-OCR atau recall-ekstraksi dan tidak ada status kepatuhan-regulasi. Referensi ini bukan opini hukum.