Analyse de documents

L'analyse de documents utilise des techniques de recherche de pointe pour extraire et visualiser des données structurées à partir d'un large éventail de types de documents, y compris, mais sans s'y limiter, les fichiers PDF, les images, les documents Word (DOC/DOCX) et les fichiers PowerPoint (PPT/PPTX). Il est conçu pour gérer des Layout complexes tels que des tables, des graphiques et du contenu textuel et imagé mixte.

L'analyse de documents est disponible via l'interface utilisateur d'Agent Bricks et en SQL.

Créer un agent d'analyse de documents dans l'interface utilisateur

Exigences

Utilisez l'analyse de documents pour analyser vos documents et visualiser leur structure.

1. Accédez à Agents dans le volet de navigation gauche de votre workspace.
2. Cliquez sur Créer un agent > Analyse de document .
3. Sélectionnez votre document source. Vous pouvez choisir d'upload un fichier ou d'en sélectionner un dans un catalogue Unity Catalog existant. Les formats pris en charge incluent : PDF, images, DOC/DOCX et PPT/PPTX.
4. Cliquez sur Analyser le document .

L’analyse de votre document peut prendre quelques minutes. Une fois terminé, l'analyse des documents affiche le document source à gauche et le document analysé à droite. Vous pouvez choisir d'afficher le document analysé sous forme de texte **formaté** ou de **JSON brut**.

Traiter et les résultats de la query

Pour afficher la ai_parse_document query et l'exécuter sur d'autres documents, cliquez sur Utiliser l'Agent et choisissez d'exécuter la query depuis l'Éditeur SQL ou le Notebook. Vous pouvez modifier la query pour qu'elle pointe vers le volume ou la table où résident vos documents.

Pour préparer la sortie analysée pour la récupération (RAG), utilisez ai_prep_search (Bêta) en aval.

Analyser des documents en SQL

Appelez ai_parse_document en SQL pour analyser des documents à l'échelle de la montée en charge :

SQL

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

Consultez la référence SQL ai_parse_document.

Limitations

Consultez les limitations deai_parse_document.