ドキュメントの解析

ドキュメント解析は、PDF、画像、Word文書（DOC/DOCX）、PowerPointファイル（PPT/PPTX）など、幅広い種類のドキュメントから構造化データを抽出および視覚化するために、最先端の研究技術を使用しています。テーブル、チャート、テキストと画像の混在コンテンツなど、複雑なレイアウトを処理するように設計されています。

ドキュメント解析は、Agent Bricks UI および SQL を通じて利用できます。

UI でドキュメント解析エージェントを作成する

要件

ドキュメントの解析を使用してドキュメントを解析し、その構造を視覚化します。

1. ワークスペースの左側のナビゲーションペインにある エージェント に移動します。
2. 「 エージェントの作成 」＞「 ドキュメントの解析 」をクリックします。
3. ソースドキュメントを選択します。ファイルをアップロードするか、既存のUnity Catalogカタログからファイルを選択できます。サポートされている形式には、PDF、画像、DOC/DOCX、PPT/PPTXが含まれます。
4. ドキュメントを解析 をクリックします。

ドキュメントの解析には数分かかる場合があります。完了すると、「ドキュメントの解析」により、ソースドキュメントが左側に、解析されたドキュメントが右側に表示されます。解析されたドキュメントを フォーマット済み テキストまたは Raw JSON として表示することを選択できます。

クエリ結果の処理

ai_parse_documentクエリを表示してより多くのドキュメントで実行するには、 エージェントを使用 をクリックし、SQLエディターまたはノートブックからクエリを実行するかを選択します。ドキュメントが存在するボリュームまたはテーブルを指すようにクエリを編集できます。

取得（RAG）のために解析済み出力を準備するには、ai_prep_search（ベータ版）をダウンストリームで使用します。

SQL でドキュメントを解析する

SQL で ai_parse_document を呼び出して、ドキュメントを大規模に解析します：

SQL

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

ai_parse_document SQL リファレンスを参照してください。

制限事項

ai_parse_documentの制限事項を参照してください。