語義識別是數(shù)據(jù)治理的第一步，在完成源端數(shù)據(jù)接入之后，需要對數(shù)據(jù)完成元數(shù)據(jù)語義的識別和備注，包括技術(shù)元數(shù)據(jù)、業(yè)務(wù)元數(shù)據(jù)、管理元數(shù)據(jù)、操作元數(shù)據(jù)及元數(shù)據(jù)血緣等信息。在傳統(tǒng)實(shí)施過程中，業(yè)務(wù)數(shù)據(jù)集成后需要耗費(fèi)大量人工對數(shù)據(jù)進(jìn)行中文語義的標(biāo)注，機(jī)械且繁瑣，效率低下。

為解決這一難題，迪塔維V5解決方案采用了一體化遞進(jìn)式的智能識別智能體，基于文檔結(jié)構(gòu)特征和智能語義解析的自由模型，完成對各類PDF、Word字典表的結(jié)構(gòu)化提取并完成自動化注釋工作，在此基礎(chǔ)上，結(jié)合迪塔維十余年實(shí)施經(jīng)驗(yàn)積累的云端知識庫進(jìn)一步補(bǔ)全和標(biāo)注未匹配到的數(shù)據(jù)語義信息，極大地提升了數(shù)據(jù)標(biāo)注的效率。

圖：一鍵智能語義識別

圖：數(shù)據(jù)字典文檔特征映射

圖：在沒有任何資料支撐的情況下，可選用AI自主識別

經(jīng)過不斷的測試驗(yàn)證，智能化提取能夠做到數(shù)據(jù)無遺漏，且自動注釋的準(zhǔn)確率超過95%，經(jīng)人工檢測確認(rèn)后完成標(biāo)注過程，平均每個業(yè)務(wù)系統(tǒng)可以節(jié)省約1人周的工作時(shí)間！

在高校日常工作中，經(jīng)常會遇到大量重復(fù)的文檔系統(tǒng)錄入工作，如：將Excel表格和Word表單進(jìn)行填報(bào)收集后錄入數(shù)據(jù)中臺或業(yè)務(wù)系統(tǒng)，數(shù)據(jù)收集后需要相關(guān)人員耗費(fèi)大量時(shí)間進(jìn)行數(shù)據(jù)歸檔。為解決這一問題，我們把智能語義和文件特征識別的能力包裝成文檔結(jié)構(gòu)化提取智能體，內(nèi)置在中臺之中，智能體能夠深度理解文檔中的文本語義，包括詞匯含義、句子結(jié)構(gòu)、上下文邏輯等，從而準(zhǔn)確判斷哪些是需要提取的關(guān)鍵信息，自動化實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一提取和結(jié)構(gòu)化轉(zhuǎn)換工作。

文檔識別智能體可面向各類文檔數(shù)據(jù)的結(jié)構(gòu)化集成場景，支持字典文檔、表格、多行文本、表單多種文檔類型，支持word、pdf、Markdown等多種文件格式，經(jīng)過不斷打磨驗(yàn)證，解決了跨頁斷行、跨頁斷表、水印干擾、混合布局、父子表復(fù)雜嵌套等疑難雜癥，完美實(shí)現(xiàn)了文檔智能化集成的“近人化”能力躍升。

圖：隨機(jī)表格自動化提取為結(jié)構(gòu)數(shù)據(jù)

圖：各類復(fù)雜表單自動提取為多表結(jié)構(gòu)數(shù)據(jù)

在某客戶現(xiàn)場，我們基于文檔識別智能體，成功解決了各類人員情況一覽表的數(shù)據(jù)批量采集問題，系統(tǒng)自動針對PDF復(fù)雜報(bào)表提取人員姓名、編號、科研信息、教學(xué)信息、個人建立等各類信息，將其映射為模型表和字段，自動建表后完成批量化、自動化的數(shù)據(jù)采集過程。

圖：專技人員情況一覽表原稿

圖：數(shù)據(jù)識別采集后結(jié)果確認(rèn)

AI與數(shù)據(jù)治理的結(jié)合將作為可信數(shù)據(jù)空間V5解決方案的領(lǐng)航燈塔，引領(lǐng)數(shù)據(jù)治理從“人治”向“智治”的變革式發(fā)展。作為一家面向高校提供專業(yè)數(shù)據(jù)治理與應(yīng)用解決方案的公司，我們始終堅(jiān)信先進(jìn)的技術(shù)和優(yōu)質(zhì)的服務(wù)會贏得客戶的信任與支持。當(dāng)下與未來，V5解決方案會疏通更多數(shù)據(jù)治理的痛點(diǎn)、難點(diǎn)、堵點(diǎn)，加速提升數(shù)據(jù)治理與應(yīng)用落地的效率和自動化水平，更多場景，敬請期待——