詳細モードでのドキュメントの読み取り

ソーストランスフォーメーションは、テキスト、テーブル、見出し、メタデータなど、ドキュメントの完全な構造を抽出します。請求書やレポートなど、ドキュメント構造が異なるドキュメントから、テキストの順序を保持した状態でテキストを抽出できます。

PDFを読むには、［ソース］タブをクリックし、［ドキュメント］を選択します。データ統合は入力タイプを自動的に［PDF］に設定します。

PDFのディレクトリを読み取るには、詳細プロパティの［ソースタイプ］を［ディレクトリ］に変更します。［ファイル名のオーバーライド］には、「*.pdf」を入力します。

［フィールド］タブには、各PDFのテキスト、ファイルパス、ファイルタイプ、およびファイル名を保存するフィールドが表示されます。

テキストをダウンストリームのチャンキングトランスフォーメーションとベクトル埋め込みトランスフォーメーションに渡してRAG取り込みパイプラインを構築するか、テキストを処理して、そこから構造化データを作成し、JSONファイルに書き込むことができます。