Analisi dei documenti

L'analisi dei documenti usa tecniche di ricerca all'avanguardia per estrarre e visualizzare dati strutturati da un'ampia gamma di tipi di documento, tra cui file PDF, immagini, documenti di Word (DOC/DOCX) e file di PowerPoint (PPT/PPTX). È progettato per gestire layout complessi, ad esempio tabelle, grafici e contenuto di immagini di testo miste.

L'analisi dei documenti è disponibile tramite l'interfaccia di Agent Bricks e in SQL.

Crea un agente di parsing dei documenti nell'interfaccia utente

Requisiti

• Un'area di lavoro che include quanto segue:
  • Calcolo serverless attivato. Consulta Requisiti di calcolo serverless.
  • Catalogo Unity abilitato. Vedere Abilitare un'area di lavoro per il Catalogo Unity.
  • Accesso a un criterio di utilizzo serverless con un budget diverso da zero.
• Questa funzione è disponibile solo in alcune aree, vedere Disponibilità delle funzioni di intelligenza artificiale.
  • La ai_parse_document funzione è disponibile anche per le aree di lavoro con il componente aggiuntivo Sicurezza e conformità avanzata.

Usare Analisi documenti per analizzare i documenti e visualizzare la relativa struttura.

1. Vai all'icona nel riquadro di navigazione a sinistra della tua area di lavoro.
2. Fare clic su Crea agente>Analisi documenti.
3. Selezionare il documento di origine. È possibile scegliere di caricare un file o selezionare uno da un catalogo di Catalogo Unity esistente. I formati supportati includono: PDF, immagini, DOC/DOCX e PPT/PPTX.
4. Fare clic su Analizza documento.

L'analisi del documento può richiedere alcuni minuti. Al termine, Analisi documento mostra il documento di origine a sinistra e il documento analizzato a destra. È possibile scegliere di visualizzare il documento analizzato come testo formattato o JSON non elaborato.

Elaborare e interrogare i risultati

Per visualizzare la ai_parse_document query ed eseguirla in altri documenti, fare clic su Usa agente e scegliere di eseguire la query dall'editor SQL o dal notebook. È possibile modificare la query in modo che punti al volume o alla tabella in cui si trovano i documenti.

Per preparare l'output analizzato per il recupero (RAG), usare ai_prep_search (Beta) downstream.

Parsi i documenti in SQL

Chiama ai_parse_document SQL per analizzare i documenti su larga scala:

SELECT
  ai_parse_document(
    content,
    map('version', '2.0')
  ) AS parsed
FROM READ_FILES('/Volumes/my_catalog/my_schema/my_documents', format => 'binaryFile');

Vedi il ai_parse_document riferimento SQL.

Limitations

Vedere ai_parse_document limitazioni.