如何解决创建索引和技能 Azure 认知搜索
我正在尝试创建一个索引和技能,让我能够
索引pdf、多页和单页以及所有其他类型的文件, 提取数据并使其可搜索,
搜索一个词,比如“Cat”,并有一些文本部分似乎返回了该词,以及找到它的 PDF/图像的页码和文档名称/可下载 URL,一个边界框,会很好但不是必需的。
我很挣扎,我尝试过文本提取技能、OCR 技能,但我正在挣扎,因为搜索词返回整个提取的文档(100 页),作为文件“内容”中的文本
这对我来说没有多大意义,肯尼迪的例子已经过时了。
我在这上面花了 4 天时间,没有那么难,文档也没有那么有用。
我使用门户工具将“构建”、索引和技能集联系起来,但得到了类似的结果。
任何帮助将不胜感激。
解决方法
如果您更喜欢将 hOCR 格式用于边界框,您可能想尝试使用 hOCR custom skill,available on GitHub from the Power Skills repository,但 [OCR 技能](https://docs.microsoft.com/en-us/azure/search/cognitive-search-skill-ocr#sample-text-and-layouttext-output's 输出)已经为内容提供了边界框。请注意,Power Skills repo 还更新了 JFK 示例中使用的大部分技能,包括可帮助您在应用中提供页面图片的图像存储。
使其发挥作用的关键在于技能集定义。
The JFK skillset 的 OCR 技能输出为 layoutText
。
还有一个自定义图片存储技能,可以上传 /document/normalized_images/*/data
并将结果 URI 保持为 imageStoreUri
。
另一个自定义技能将 OCR 布局结果转换为 HOCR 格式。
然后,ShaperSkill
将在 ocrImageMetadata
下聚合该信息。
在 JFK 的情况下,该信息会在 cryptonyms
下进一步聚合,因为这是 JFK 演示关注的主要内容,并且图像元数据也是 /document/hocrDocument/metadata
的输出字段映射作为 metadata
,它也被索引。重要的一点是所有相关信息都映射到索引字段。因此,其中的信息可以从索引查询结果中获得。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。