文档切分、来源与可追溯性
文档解析、OCR 与多模态数据处理#FDE#第十二阶段#文档解析、OCR 与多模态数据处理#文档切分、来源与可追溯性约 389 字 · 1 分钟阅读
追问显示点击任意追问卡片可收起 / 展开
为什么文档解析结果需要保留原始文件引用？
追问 只有抽取文本时，如何复核错误字段？
如何为每个派生文本块生成稳定来源标识？
追问 文件更新或重排后，引用如何避免指向旧内容？
文档分块应按固定长度还是结构边界？
追问 段落、条款和表格各有什么切分风险？
切分时如何保留标题与父子章节关系？
追问 离开原章节的条款可能失去哪些上下文？
如何把表格内容转换为易读且不歧义的文本？
追问 每行是否要重复列名或表头上下文？
多个附件如何与主文档和业务记录关联？
追问 附件顺序或版本变化怎样记录？
文档被替换后怎样识别旧派生数据？
追问 版本号、内容哈希和来源时间戳如何配合？
解析流水线的各阶段怎样记录状态？
追问 上传、抽取、OCR、校验和复核如何区分完成？
怎样让审核人员从字段快速跳回原文？
追问 页码、区域坐标和缩放偏移如何处理？
如何保留人工修改与机器抽取之间的差异？
追问 审计、重新训练或规则改进需要哪些记录？