Egy PDF-et töltök fel kérdésekkel, de a rendszer nem ismeri fel megfelelően a kérdéseket

Az ismertetés az elrendezésben akad meg, nem a tartalomban

A pdf-et, amely nem megfelelően felismert, általában három dolog közül egy okozza: a pdf egy scan (szöveg képe, nem valódi szöveg), a kérdőív egy táblázatban található összevont cellákkal, vagy a számozás eltér attól, amit a rendszer kérdésként ismer fel (például "3.2a" helyett "12. kérdés"). Mindhárom esetben a rendszer ugyan látja a szöveget, de nem tudja teljes bizonyossággal meghatározni, hogy hol ér véget az egyik kérdés és hol kezdődik a következő. A rendszer szívesebben nem tölt ki semmit, mint hogy a választ rossz kérdéshez csatolja.

A leggyorsabb megoldás általában az, hogy az ügyfél saját portálját konzultálja: sok portál a pdf mellett Excel-exportot vagy azonos kérdőív webformulárját is kínál, és ezeket általában teljesen felismerik. Ha a rendszer a kérdések egy részét felismeri, a többit önmagában kiegészítheti — a kapcsolt válaszok akkor is ugyanabból a láncdossziéból származnak, tehát nem kell kétszer beírnia ugyanazt. Ha egy rögzített adatra vonatkozó kérdésről van szó, mint például a vállalkozás nyilvántartási száma vagy a munkavállalók számát, akkor az a válasz az ismertetéshez függetlenül mindig kézileg átvehető.

Miért nem kényszerítünk "okos" pdf-eket

A rendszer a szövegstruktúra alapján felismeri a kérdéseket, nem a jelentés alapján: nem olvas listát, csak olyan mintákat ismer fel, mint a számozás, a kérdőjelek és a táblázat elrendezése. Ha ezek a minták hiányoznak – például egy olyan szkennelésnél, amely nem rendelkezik alapul szolgáló szöveggel, vagy egy olyan pdf-nél, amely képek helyett képekből áll össze – a rendszer nem tudja megállapítani a kérdés-válasz párokat. Ez szándékos korlát: inkább a lista egy részét nem kitölteni, mint egy választ olyan kérdéshez rendelni, amelyet a rendszer nem tudja biztos olvasni. Te maradsz az a személy, aki minden javasolt választ megerősít és benyújt az ügyfél portálján.