文档

文档理解

更新时间:

功能简介

文档理解对各类文档和表格进行结构化识别与理解,返回层级树和版面分析等相关信息。

功能详情

文档解析(大模型版)

对各类版式的文档(电子版和扫描版)进行解析,从文档中提取出层级树和版面信息,支持输出Markdown格式。可作为大模型预训练、RAG的文档预处理链路,提供高质量、高精度的文档解析服务,能够帮助企业高效地进行大模型应用的场景建设。

电子文档解析

适用于纯电子文档的解析,从电子文档半结构化内容中解析出所包含的结构化对象,从文档中提取出逻辑层级结构,支持输出Markdown格式。

文档智能解析

进行通用文档解析,从文档中提取出逻辑层级结构、文本内容、表格内容、Key-Value键值字段、样式信息等。基于对文档的内容信息、版面信息和逻辑信息的分析理解,以结构化数据的形态输出抽取结果。

能力比对

版本

支持格式

输出

特点

文档解析

(大模型版)

支持市面上绝大部分格式的文档

  • .png/.jpg/.jpeg/.bmp/.gif

  • .pdf (支持扫描页)

  • .doc/.docx/.rtf/.docm

  • .pptx/.ppt

  • .xlsx/.xls

  • .txt/.epub/.mobi

  • .md/.html

  • 丰富的版面信息

  • 分块流式输出解析内容

  • 支持输出markdown

  • 不输出原图和坐标

功能较全推荐使用

效果较好

速度较快

电子文档解析

纯电子解析,支持格式:

  • .pdf (不支持扫描页)

  • .doc/.docx/.rtf/.docm

  • .pptx/.ppt

  • .xlsx/.xls

  • .txt/.epub/.mobi

  • .md/.html

  • 简化的版面Layout信息、样式信息

  • 支持输出markdown

  • 不输出原图和坐标

功能中等

效果中等

速度最快

文档智能解析

支持格式:

  • .png/.jpg/.jpeg/.bmp/.gif

  • .pdf (支持扫描页)

  • .doc/.docx

  • 输出样式、版面、层级信息、表格和KV信息

  • 输出包含原图和内容坐标

  • 支持输出markdown

功能较全

效果较好

速度最慢

表格智能解析

进行通用表格解析,从表格中提取出表格样式、表格内容、文本KV、表格KV等。基于对表格的内容信息、版面信息和逻辑信息的分析理解,以结构化数据的形态输出抽取结果。

文档抽取

进行文档关键信息抽取,对各种类型的文档和表格中的关键信息进行智能化抽取,返回Key-Value内容。既包括文本段落中的KV字段,也包括表格中的KV字段。

功能优势

算法技术先进

依托阿里丰富的文档场景打磨的多模态文档识别与理解引擎,算法效果与性能指标处于先进水平。

行业应用丰富

覆盖海关物流、司法、招投标、政务、金融财税等多行业多场景应用,可满足各行各业的文档处理需求。

部署方式灵活

支持公共云API、混合云Docker、aPaaS、SaaS等多种产品接入方式,产品形态灵活,使用门槛低。

服务质量可靠

提供高可用的文档处理能力,已在海量文档处理业务中反复锤炼,服务稳定性高,支持弹性扩缩容。

应用场景

大模型训练

支持对PDF、Word、Markdown等多种文档格式的处理,返回文档的层级结构,并结合文档语义信息,处理成文档切片后用于大模型训练,方便下游结合大模型开发智能问答等应用。

检索增强生成RAG

可以精准识别并解析包括企业日常办公中常见的Office文档(Word/Excel/PPT )、PDF、Html、图片等在内的主流文件类型,返回文档的样式、版面信息和层级树结构,从而为RAG输入高精准度、高连贯语义的切块(Chunk),保障了整个RAG方案的基础效果。

搜索增强生成RAG最终稿.png

办公文档处理

对各类办公文档和表单进行智能化处理,实现文档的结构化信息提取,提升办公场景下的生产力。