一区二区中文字幕,激情视频区,不卡一区二区在线

首頁動態(tài)資訊行業(yè)資訊

大模型技術(shù)在智能文檔處理中的應(yīng)用（上篇）

來源：易道博識發(fā)布時間：2023-06-15

ChatGPT爆火，大語言模型技術(shù)廣受關(guān)注

ChatGPT是OpenAI公司基于大型預(yù)訓練語言模型（Large Language Models, LLM） GPT-3.5發(fā)布的智能聊天機器人，因其驚艷的語義理解、智能會話和文本生成能力，獲得了全球1億月活用戶的熱情追捧。ChatGPT可以從海量未標注數(shù)據(jù)集中獲得的信息，自動識別、總結(jié)、翻譯、預(yù)測和生成內(nèi)容。3月15日，OpenAI又發(fā)布了GPT-4多模態(tài)大模型，該模型能夠支持文本和圖像輸入，與 GPT-3.5相比，其回答準確度、文字輸入長度等各方面性能均有顯著提升。

ChatGPT的問世，開啟了新一輪的技術(shù)浪潮，標志著人工智能技術(shù)發(fā)展正式進入了大模型時代。模型的背后其實是“知識”。未來，“模型”將無處不在，人工智能與行業(yè)應(yīng)用的結(jié)合會更加緊密，以模型驅(qū)動的發(fā)展范式變革正在快速形成，整個人工智能行業(yè)的生態(tài)會愈發(fā)完整。

可以看出，ChatGPT驚艷效果本質(zhì)上來自于其背后的大語言模型技術(shù)。那么，究竟什么是大語言模型？大語言模型是一種基于深度學習算法的自然語言處理技術(shù)，旨在讓計算機能夠理解和生成自然語言文本。大語言模型的訓練通常需要海量的文本數(shù)據(jù)（如維基百科、新聞文章、社交媒體等）和強大的計算資源。在訓練過程中，大語言模型會通過學習這些數(shù)據(jù)中的模式和規(guī)律來調(diào)整自己的權(quán)重和參數(shù)，從而提高自身對語言的理解和生成能力。大語言模型的應(yīng)用非常廣泛，如語言翻譯、問答系統(tǒng)、語音識別和文本生成等。

智能文檔處理難點解析

智能文檔處理（IDP,Intelligent Document Processing）是利用人工智能技術(shù)，自動從復(fù)雜的非結(jié)構(gòu)化和半結(jié)構(gòu)化文檔中抽取關(guān)鍵數(shù)據(jù)，并將其轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)的技術(shù)。常見的文檔包括純文本、帶格式文檔和富格式文檔三種類型，如下圖示例。

圖1：常見文檔類型

純文本

由大段純文字組成，內(nèi)容形式比較單一。通常利用自然語言處理技術(shù)，即可以完成語義理解和分析處理工作。

帶格式文檔

如Word等帶有格式的文檔，其主要特點是包含有結(jié)構(gòu)化的信息，可以直接解析出文檔的物理元素和邏輯結(jié)構(gòu)，進而轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。

富格式文檔

相較于純文本和帶格式文檔，富格式文檔更加復(fù)雜，除了各種形式的文本信息外，還包含有豐富的多模態(tài)元素，如表格和圖片。富格式文檔具有如下幾個方面的特點：

· 多樣性

富格式文檔的多樣性主要體現(xiàn)在格式、種類、內(nèi)容和版式等維度。常見的格式有拍照圖像、掃描件、可解析格式（如PDF）等，版式包括有固定、多版式和開放版式等類型。

· 多模態(tài)信息豐富性

富格式文檔包含有豐富的元素信息，如文字、標題、段落、表格、圖表、印章、簽名、頁眉和頁腳。

· 領(lǐng)域差異性

不同領(lǐng)域的文檔通常在種類、版式、語料和表達方式方面差異很大，如金融、地產(chǎn)、教育和醫(yī)療等，實際中存在著大量領(lǐng)域特定文檔。

· 長短不一致性

從單張圖片、單頁文檔到幾十上百頁的長文檔，文檔的長度通?？缍群艽蟆?/span>

以上富格式文檔特點，增加了通用IDP系統(tǒng)的處理難度。

關(guān)于更詳細的智能文檔處理難點介紹，請參見《淺談智能文檔處理技術(shù)和應(yīng)用》文章。

上一篇：大模型技術(shù)在智能文檔處理中的應(yīng)用（下篇）

下一篇：易道博識成功中標四川銀行ICR項目

返回列表

更多資訊

精準識別財務(wù)報表中的跨頁、無線及多層嵌套的復(fù)雜表格，5分鐘錄入一份財報

熱門標簽

人工智能 OCR識別證券 IT 計算機視覺訓練平臺銀行駕駛證識別財務(wù)識別保險

搜索

大模型技術(shù)在智能文檔處理中的應(yīng)用（上篇）

國內(nèi)統(tǒng)一咨詢服務(wù)熱線

（早09:00 - 晚18:00）