Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Struktureeritud ekstraheerimine: tabelid, päised ja arvandmed

Õppetund 11 / 14 Värskendatud 2. november 2026 Algajatele
Sellel lehel
  1. Toorandmetest struktureeritud andmeteni
  2. Tabelid: ideaalne lahendus
  3. Päised, hierarhia ja struktuur
  4. Arvandmed koos kontekstiga
  5. Praktikas
  6. Peamised punktid

Uuendus 2. novembril 2026 — Le Chatist saab Vibe. Alates 28. maist 2026 on Le Chat nüüd Vibe (aadressil chat.mistral.ai): üks agent tööks ja kodeerimiseks, mis kannab üle sinu vestlused, seaded ja tellimused. Vana Le Chati kasutajakogemus on endiselt kättesaadav režiimis Chat; režiimis Work on agentidest saanud oskused (kutsutakse esile sümboliga @), mälud moodustavad teadmiste baasi ja sügav otsing on oskus Deep Research. Plaanid kannavad nüüd nimesid Mistral Free, Pro, Team ja Enterprise. Selles õppetunnis kasutame nime Vibe; mõned siin kirjeldatud menüüd võivad olla muutnud nime või asukohta.

Toorandmetest struktureeritud andmeteni

Dokumendist teksti ekstraheerimine on hea algus. Kuid tegelik väärtus ilmneb siis, kui saad kätte struktureeritud andmed: puhtad tabelid, tuvastatud arvud ja liigitatud päised. See on erinevus selle vahel, kas saad finantsaruandest fotokoopia või sama aruande kasutatavas arvutustabeli formaadis. Mistrali Document AI on loodud just selle ülesande jaoks: see ei loe mitte ainult teksti, vaid mõistab dokumendi struktuuri ja tagastab teabe vahetult kasutatavas vormingus.

Tabelid: ideaalne lahendus

Tabeleid leidub äridokumentides kõikjal – finantsaruannetes, hinnakirjades, graafikutes, uuringutulemustes – ja just siin on traditsiooniline OCR ajalooliselt kõige rohkem läbi kukkunud, muutes veerud ja read segaseks massiks. OCR 3 mootor seevastu töötleb neid märkimisväärse täpsusega. Kui laadid Vibe’i üles dokumendi, mis sisaldab tabelit, tuvastab mudel esmalt tabeli piirid, isegi kui need on peened või värvilised. Seejärel tunneb see ära päised, eristab neid andmetest ja seob iga lahtri selle veeru ja reaga. Mudel saab hakkama isegi keeruliste juhtumitega: liidetud lahtrid, vahekokkuvõtted, joonealused märkused – kõik klassikalised lõksud, mille halvasti konverteeritud arvutustabel muudab vaikivateks vigadeks.

Kasutatava tulemuse saamiseks harju oma vihjes täpsustama soovitud formaati. „Ekstraheeri tabel leheküljelt 3 Markdowni formaadis“ annab sulle tabeli, mida saab Vibe’is otse lugeda; „Teisenda see tabel CSV-vormingusse, et saaksin selle Exceli kleepida“ valmistab ette impordi arvutustabelisse; „Ekstraheeri ainult veerg ‘Summa’ ja veerg ‘Kuupäev’“ filtreerib vajaliku juba allikatasandil. Markdown on igapäevaseks kasutuseks sageli kõige praktilisem formaat: see on koheselt loetav ja hõlpsasti teistesse tööriistadesse kopeeritav.

Päised, hierarhia ja struktuur

Lisaks tabelitele suudab Document AI rekonstrueerida dokumendi hierarhia: pealkirjad ja alapealkirjad tuvastatakse ja liigitatakse taseme järgi (h1, h2, h3), lõiked eristatakse üksteisest isegi ilma nähtavate reavahedeta, punkt- või nummerdatud loendid taastatakse korrektselt ja joonealused märkused seotakse nende viidetega. See võime on hindamatu pikkade raportite või juriidiliste dokumentidega töötamisel, kus struktuur kannab sama palju tähendust kui tekst ise: teadmine, et klausel asub jaotises „Garantiid“ mitte „Muud tingimused“, muudab selle tõlgendust.

Seetõttu saad esitada struktuurseid päringuid: „Anna mulle selle dokumendi sisukord“, „Loetle kõik jaotiste pealkirjad koos nende leheküljenumbritega“ või isegi „Ekstraheeri ainult lõigud, mis käsitlevad garantiisid“ – viimane ühendab struktuuri ja tähenduse.

Arvandmed koos kontekstiga

Finantsdokumendid, pakkumused, arved ja tegevusaruanded on täis numbreid: finantssummad (käive, summad, käibemaks, soodustused), allkirja- või tähtpäevad, turuosa või marginaali protsendid ning identifikaatorid nagu arvenumbrid, kliendiviited või SIRET-koodid. Document AI eripära on see, et see ei ekstraheeri mitte ainult numbreid, vaid mõistab nende konteksti. Kui küsid: „Mis on aastakäive?“, otsib see spetsiaalselt numbrit, mis on seotud selle mõistega, isegi kui see on maetud 50-realisse tabelisse. Klassikaline OCR oleks sulle andnud viiskümmend sildistamata numbrit; siin saad õige.

See mõistmine võimaldab minna kaugemale lihtsast ekstraheerimisest: saad taotleda arvutusi ja kontrolle. „Kas veeru ‘Summa ilma KM-ta’ kogusumma on õige?“ paneb mudeli uuesti kokku lugema; „Milline on erinevus eelarveliste ja tegelike näitajate vahel?“ võrdleb kahte veergu; „Milline kulukirje moodustab suurima osa?“ muudab tabeli analüüsiks.

Kogenud kasutajatele struktureerib JSON-väljund väljundi sinu tööriistade jaoks: „Ekstraheeri sellest arvest järgmine teave JSON-formaadis: number, kuupäev, summa ilma KM-ta, KM, summa koos KM-ga, tarnija“ või „Loo JSON-objekt, mis sisaldab tabeli iga rea andmeid.“ See formaat on ideaalne, kui andmeid tuleb hiljem edastada arvutustabelisse, andmebaasi või muusse tarkvarasse.

Praktikas

Vaata, kuidas need võimed ühinevad kolmes levinud stsenaariumis. Saad virna PDF-arveid: küsi ühe kohta: „Ekstraheeri sellest arvest: tarnija nimi, kuupäev, arvenumber, summa ilma KM-ta, KM ja summa koos KM-ga. Esita tabelina“ – ja sinu raamatupidamise kanne on valmis. Seistes silmitsi 50-leheküljelise aastaruandega: „Ekstraheeri sellest aruandest kõik finantstabelid ja esita need Markdownis. Tuvasta käive, netokasum ja tegevuskasumi marginaal.“ Kahe pakkumuse vahel otsustamiseks laadi mõlemad üles ja küsi: „Võrdle nende kahe pakkumuse hindu samade teenuste eest. Tuvasta hinnavahe.“

Lõpetuseks mõned metoodilised reeglid. Ole täpne selles, mida otsid – konkreetne tabel, veerg, andmetüüp – ja täpsusta alati soovitud väljundformaati (Markdown, CSV, JSON, loend). Skaneeritud dokumentide puhul on usaldusväärseks ekstraheerimiseks soovitatav eraldusvõime vähemalt 150 DPI. Kui dokument on väga tihe, töötle seda lehekülje kaupa: „Ekstraheeri tabel leheküljelt 7“ annab paremaid tulemusi kui globaalne „Ekstraheeri kõik tabelid“. Ja iga kriitilise kasutuse korral võrdle ekstraheeritud andmeid algse dokumendiga – ekstraheerimine on kiirendi, mitte vastutusest vabastamine.

Peamised punktid

  • Document AI rekonstrueerib truult tabelid koos päiste, veergude ja liidetud lahtritega
  • Saad taotleda ekstraheerimist Markdowni, CSV või JSON vormingus vastavalt oma vajadustele
  • Mudel mõistab arvandmete konteksti ja oskab vastata konkreetsetele küsimustele
  • Dokumendi hierarhiline struktuur (pealkirjad, alapealkirjad, loendid) säilib
  • Kontrolli alati ekstraheeritud andmeid kriitilistel juhtudel