spaCy(+GiNZA)ã§PDFテã‚スト抽出ã®æ”¹è¡Œä½ç½®ã‚’ã„ã„æ„Ÿã˜ã«ã™ã‚‹ - OPTiM TECH BLOGR&D ãƒãƒ¼ãƒ ã®å¾³ç”°ï¼ˆ@dakuton）ã§ã™ã€‚ éŽåŽ»ä½•å›žã‹ã€Tech Blog記事ã«ã¦PDFã‚„OCRã€è‡ªç„¶è¨€èªžå‡¦ç†ã«é–¢ã™ã‚‹æ‰‹æ³•ã‚’紹介ã—ã¦ãã¾ã—ãŸãŒã€ä»Šå›žã‚‚ãã¡ã‚‰ã«é–¢é€£ã™ã‚‹å†…容ã§ã™ã€‚ éŽåŽ»è¨˜äº‹ tech-blog.optim.co.jp tech-blog.optim.co.jp tech-blog.optim.co.jp ã‚„ã‚ŠãŸã„ã“㨠PDFã‹ã‚‰ãƒ†ã‚ストを抽出ã™ã‚‹éš›ã«å«ã¾ã‚Œã‚‹ã€ä¸é€”åŠç«¯ãªä½ç½®ã«ã‚る改行を除去ã™ã‚‹ã“ã¨ãŒç›®çš„ã§ã™ã€‚ シンプルãªæ–¹æ³•ã¨ã—ã¦ã¯ã€å¥ç‚¹(。)ã®ä½ç½®ã‚’ã‚‚ã¨ã«æ”¹è¡Œã™ã‚‹æ–¹æ³•ã§ã™ãŒã€ä»Šå›žã¯spaCy(ã¨GiNZA)を併用ã—ãŸå ´åˆã«ã©ã†ãªã‚‹ã‹ã‚’試ã—ã¦ã¿ã‚‹ã“ã¨ã«ã—ã¾ã™ã€‚ テストデータ 今回ã¯ã€ä¸‹è¨˜è¨˜äº‹ã®PDFを使用ã—ã¾ã—ãŸã€‚ 財務çœã€Œãƒ•ã‚¡ã‚¤ãƒŠãƒ³ã‚¹ã€ä»¤å’Œï¼“å¹´2æœˆå· ã®ã€Œãƒã‚¹ãƒˆã‚³ãƒãƒŠæ™‚代を形作るã€ã‚³ãƒãƒŠç¦ã§ç”Ÿã¾ã‚Œã‚‹DX（デジタルトランスフォーメーション)〠1 ãƒ¡ãƒ‡ã‚£ã‚¢æŽ²è¼‰æƒ…å ±: 財務
GiNZAã®ja-ginza-electraモデルã§ELECTRAベースã®å˜èªžãƒ™ã‚¯ãƒˆãƒ«ã‚’使用ã§ãるよã†ã«ã™ã‚‹ - OPTiM TECH BLOG
spaCyを使ã£ã¦ãƒ«ãƒ¼ãƒ«ãƒ™ãƒ¼ã‚¹ã®è¨˜è¿°ã‚’シンプルã«ï¼ - Qiita
{{#tags}}- {{label}}
{{/tags}}