Enterprise phiên bản

Intelligence — Tài liệu tham chiếu chuyên sâu

Tổng quan nhanh

Tài liệu tham chiếu chuyên sâu này ghi lại việc định kiểu key-value và xác thực schema, tổng hợp lưới bảng, và ranh giới điều phối lớp phủ tìm kiếm được.

Khả dụng và cấp phép

Khả năng này đi kèm trong NextPDF Enterprise (nextpdf/enterprise) và được kích hoạt bằng một license envelope bậc Enterprise. Một triển khai không có quyền đó sẽ không nạp các lớp của khả năng này. So sánh các phiên bản và lấy giấy phép.

Hợp đồng hành vi

StructuredExtractor::extract định kiểu đầu vào key-value thô. Khi một schema được cung cấp, chỉ các cặp có key khớp một trường schema được giữ lại; các cặp không có độ tin cậy rõ ràng nhận một giá trị mặc định cố định. validateSchema trả về các tên trường bắt buộc không tìm thấy (rỗng nghĩa là tuân thủ). Bước này định kiểu và xác thực dữ liệu đã trích xuất; nó không nhận dạng văn bản và không gán độ chính xác được tính toán nào.

TableExtractor::extract xây dựng các bảng có cấu trúc từ các lưới hàng thô. Số cột là của hàng rộng nhất; các hàng ngắn được đệm bằng các ô rỗng. Mỗi ô nhận một bounding box được tổng hợp từ việc chia đều một vùng trang đã chuẩn hóa và một độ tin cậy mặc định cố định. Một bảng không có hàng hoặc không có cột bị bỏ qua. Các bounding box là một tổng hợp lưới, không phải một bố cục được đo đạc.

SearchableOverlay::generate xác thực header PDF, giới hạn kích thước đầu vào và số trang (fail closed khi tràn), phát hiện các trang thiếu một lớp văn bản dùng được, điều khiển OCR backend đã cấu hình, và trả về số từ theo từng trang cùng một độ tin cậy trung bình. Một trang có lớp văn bản gốc dùng được bị bỏ qua theo mặc định. Văn bản OCR vô hình dựa vào một text rendering mode mà không tô lẫn không vẽ viền các glyph (ISO 32000-2:2020 §9.3.3); khi nguồn được gắn thẻ, structure tree ánh xạ nội dung tới một reading order (§14.7) và các phần tử cấu trúc bảng mô tả các hàng và ô (§14.8). Việc rasterization thực tế và việc tiêm văn bản vô hình được ủy quyền cho một tiến trình sidecar riêng; bề mặt PHP điều phối và trả về metadata kết quả. Đầu ra lớp phủ là một tài liệu phái sinh — bất kỳ chữ ký hiện có nào đều bị vô hiệu hóa và sự tuân thủ phải được xác thực lại. Độ tin cậy là passthrough hoặc một giá trị mặc định cố định; bề mặt không khẳng định độ chính xác OCR hay khả năng thu hồi trích xuất nào.

Bề mặt Public API

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, và các enum ExtractionStrategy / OverlayQuality. OCR backend là một hợp đồng được tiêm do triển khai cung cấp. Các chữ ký được liệt kê trên trang công khai.

Phù hợp tiêu chuẩn

Cơ chế lớp phủ ánh xạ tới ISO 32000-2:2020 §9.3.3 (text rendering mode) và, với các nguồn được gắn thẻ, §14.7–§14.8 (structure tree và các phần tử bảng). Các bước định cấu trúc tiêu thụ dữ liệu đã trích xuất; chất lượng bị giới hạn bởi trình trích xuất phía trước và OCR backend.

Trường hợp biên và hành vi ở chế độ FIPS

Các bounding box bảng được tổng hợp là một việc chia lưới đều, không phải một bố cục được đo đạc.
Khi OCR backend không khả dụng, các trang bị ảnh hưởng đóng góp không từ nào thay vì âm thầm làm hỏng toàn bộ lần chạy; hãy kiểm tra kết quả theo từng trang.
Đầu ra lớp phủ là một tài liệu phái sinh; hãy xác thực lại các chữ ký và trạng thái tuân thủ.
Không có thao tác mật mã nào diễn ra trong module này, nên không có hành vi đặc thù theo chế độ FIPS.

Ranh giới công bố

Trang này chỉ ghi lại hành vi quan sát được từ bên ngoài và bề mặt public API được hỗ trợ. Các đường dẫn namespace nội bộ, lớp trợ giúp, bảng cơ chế, tên tệp runbook, và tiền tố ticket nằm ngoài phạm vi.

Phương án thay thế ở Core

NextPDF Core (Apache-2.0) không có điều phối lớp phủ tìm kiếm được và không có bề mặt định cấu trúc có xác thực schema — không có; khả năng này không có thành phần tương đương ở bậc Core.

Phương án thay thế ở Pro

NextPDF Pro đi kèm trích xuất theo AST cấu trúc trên một tài liệu đã được phân tích; nó không cung cấp định cấu trúc key-value có xác thực schema, tái dựng bảng từ các lưới thô, hay điều phối lớp phủ tìm kiếm được hỗ trợ OCR. Những thứ đó chỉ đi kèm trong gói nextpdf/enterprise.

Ghi chú ranh giới Enterprise

Việc định kiểu key-value, xác thực schema, tổng hợp lưới bảng, và điều phối lớp phủ được mô tả ở mức hành vi. Việc rasterization thực tế và tiêm văn bản vô hình chạy trong một tiến trình sidecar riêng; các thành phần nội bộ của sidecar, mô hình OCR, và mọi chi tiết điều phối nội bộ nằm ngoài phạm vi và không được tái hiện ở đây. OCR backend là một hợp đồng được tiêm do triển khai cung cấp.

Ranh giới triển khai

Triển khai cung cấp và vận hành OCR backend và chọn nơi OCR được tính toán — và do đó nơi ảnh tài liệu cùng văn bản được nhận dạng được tính toán và lưu trữ. Bề mặt giới hạn kích thước đầu vào và số trang và fail closed khi tràn. NextPDF Enterprise điều phối quy trình và trả về metadata kết quả; nó không nhúng một mô hình OCR hay bảo đảm độ chính xác nhận dạng hoặc khả năng thu hồi trích xuất.

Ranh giới pháp lý và tuân thủ

Không có hạn chế kiểm soát xuất khẩu nào áp dụng cho bề mặt này. Bề mặt không khẳng định bảo đảm về độ chính xác OCR hay khả năng thu hồi trích xuất và không khẳng định trạng thái tuân thủ quy định nào. Tài liệu tham chiếu này không phải là một ý kiến pháp lý.