Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Estrazzjoni Strutturata: Tabelli, Intestaturi, u Dejta Numerika

Lezzjoni 11 / 14 Aġġornat 2 ta’ Novembru 2026 Bidbieni
F'din il-paġna
  1. Minn Dokumenti Mhux Ipproċessati għal Dejta Organizzata
  2. Tabelli: Il-Punt Ideali
  3. Intestaturi, Ġerarkija, u Struttura
  4. Dejta Numerika, Bil-Kuntest
  5. Fil-Prattika
  6. Punti Ewlenin

Aġġornament 2 ta’ Novembru, 2026 — Le Chat issa huwa Vibe. Mill-28 ta’ Mejju, 2026, Le Chat sar Vibe (għadu f’chat.mistral.ai): aġent wieħed għax-xogħol u l-kodiċi, li jżomm il-konversazzjonijiet, l-issettjar, u s-sottoskrizzjonijiet tiegħek. L-esperjenza antika ta’ Le Chat tibqa’ aċċessibbli fil-modalità Chat; fil-modalità Work, l-aġenti saru ħiliet (invokati b’@), il-memorji jiffurmaw il-bażi tal-għarfien, u t-tfittxija fil-fond hija l-ħila Deep Research. Il-pjanijiet issa jissejħu Mistral Free, Pro, Team, u Enterprise. Din il-lezzjoni tuża l-isem Vibe; xi menus deskritti hawnhekk jistgħu biddlu l-ismijiet jew il-postijiet tagħhom.

Minn Dokumenti Mhux Ipproċessati għal Dejta Organizzata

Li testratta t-test minn dokument huwa tajjeb. Imma l-valur reali jidher meta tikseb dejta strutturata: tabelli nodfa, figuri identifikati, u intestaturi kklassifikati. Din hija d-differenza bejn li tirċievi fotokopja ta’ dikjarazzjoni finanzjarja u li tirċievi dik l-istess dikjarazzjoni f’fowlsprejd li tista’ tuża. L-AI tad-Dokumenti ta’ Mistral jeċċella preċiżament f’dan il-kompitu: ma jaqra biss it-test; huwa jifhem l-istruttura tad-dokument u jirritorna l-informazzjoni f’format direttament użabbli.

Tabelli: Il-Punt Ideali

It-tabelli huma kullimkien fid-dokumenti tan-negozju—dikjarazzjonijiet finanzjarji, listi tal-prezzijiet, skedi, riżultati ta’ studji—u dan huwa storiċament fejn l-OCR klassiku falla l-aktar ħażin, iħawwad kolonni u ringieli f’messa. Il-mutur OCR 3, min-naħa l-oħra, jittrattahom b’preċiżjoni notevoli. Meta ttella’ dokument li fih tabella lil Vibe, il-mudell l-ewwel jidentifika l-limiti tat-tabella, anke meta jkunu sottili jew ikkuluriti. Imbagħad jirrikonoxxi l-intestaturi u jiddistingwihom mid-dejta, u jassoċja kull ċellola mal-kolonna u r-ringiela tagħha. Saħansitra jittratta każijiet diffiċli: ċelloli magħquda, sotto-totali, noti f’qiegħ il-paġna—l-insidiet klassiċi kollha li fowlsprejd ikkonvertit ħażin ibiddel f’żbalji silenzjużi.

Biex tikseb riżultat użabbli, agħmel drawwa li tispeċifika l-format mixtieq fil-prompt tiegħek. “Estratta t-tabella mill-paġna 3 f’format Markdown” jagħtik tabella li tista’ taqra direttament f’Vibe; “Ikkonverti din it-tabella għal CSV biex inkun nista’ npejstha f’Excel” iħejjiha għall-importazzjoni f’fowlsprejd; “Estratta biss il-kolonna ‘Ammont’ u l-kolonna ‘Data’” tiffiltra dak li għandek bżonn mis-sors. Markdown spiss huwa l-aktar format prattiku għall-użu ta’ kuljum: jinqara immedjatament u faċli biex jiġi kkupjat u mpejstjat f’għodod oħra.

Intestaturi, Ġerarkija, u Struttura

Lil hinn mit-tabelli, l-AI tad-Dokumenti jista’ jerġa’ jibni l-ġerarkija tad-dokument: it-titoli u s-sottotitoli jiġu identifikati u kklassifikati skont il-livell (h1, h2, h3), il-paragrafi jiġu distinti minn xulxin anke mingħajr waqfiet tal-linja viżibbli, il-listi b’tikek jew numerati jiġu rikostruwiti b’mod korrett, u n-noti f’qiegħ il-paġna jiġu marbuta mar-referenzi tagħhom. Din il-kapaċità hija inestimabbli meta taħdem ma’ rapporti twal jew dokumenti legali, fejn l-istruttura ġġorr daqshekk sinifikat kemm it-test: li tkun taf li klawsola tidher fit-taqsima “Garanziji” minflok “Diversi” tibdel l-interpretazzjoni tagħha.

Għalhekk tista’ tagħmel talbiet strutturali: “Agħtini l-indiċi ta’ dan id-dokument,” “Elenska t-titoli tat-taqsimiet kollha bin-numri tal-paġni tagħhom,” jew saħansitra “Estratta biss il-paragrafi li jiddiskutu l-garanziji”—dan tal-aħħar jgħaqqad l-istruttura mas-sinifikat.

Dejta Numerika, Bil-Kuntest

Id-dokumenti finanzjarji, kwotazzjonijiet, fatturi, u rapporti ta’ attività mimlijin bin-numri: ammonti finanzjarji (dħul, totali, VAT, skontijiet), dati ta’ firma jew ta’ skadenza, perċentwali ta’ sehem fis-suq jew marġni, u identifikaturi bħal numri tal-fatturi, referenzi tal-klijenti, jew kodiċijiet SIRET. Dak li jiddistingwi l-AI tad-Dokumenti huwa li ma jestrattax biss in-numri—huwa jifhem il-kuntest tagħhom. Jekk tistaqsi, “X’inhu d-dħul annwali?”, dan ifittex speċifikament in-numru assoċjat ma’ dak il-kunċett, anke jekk huwa midfun f’tabella ta’ 50 ringiela. OCR klassiku kien jagħtik ħamsin numru mingħajr tikketta; hawnhekk, tikseb dak it-tajjeb.

Dan il-fehim jippermettilek tmur lil hinn mill-estrazzjoni: tista’ titlob kalkoli u verifiki. “It-total tal-kolonna ‘Ammont Eskluż VAT’ huwa korrett?” jagħmel il-mudell jerġa’ jgħodd; “X’inhi d-differenza bejn iċ-ċifri bbudgetjati u dawk attwali?” iqabbel żewġ kolonni; “Liema oġġett ta’ nefqa jirrappreżenta l-akbar sehem?” ibiddel it-tabella f’analiżi.

Għal utenti avvanzati, l-esportazzjoni JSON tistruttura l-output għall-għodod tiegħek: “Estratta l-informazzjoni li ġejja minn din il-fattura f’format JSON: numru, data, ammont eskluż VAT, VAT, ammont inkluż VAT, fornitur” jew “Oħloq oġġett JSON bid-dejta minn kull ringiela tat-tabella.” Dan il-format huwa ideali jekk id-dejta trid titmiegħ fowlsprejd, database, jew softwer ieħor aktar tard.

Fil-Prattika

Ara kif dawn il-kapaċitajiet jingħaqdu f’tliet xenarji komuni. Tirċievi munzell ta’ fatturi PDF: għal kull waħda, staqsi, “Estratta minn din il-fattura: isem il-fornitur, data, numru tal-fattura, ammont eskluż VAT, VAT, u ammont inkluż VAT. Ippreżenta bħala tabella”—u l-kontribut kontabilistiku tiegħek ikun imħejji. Quddiem rapport annwali ta’ 50 paġna: “Estratta t-tabelli finanzjarji kollha minn dan ir-rapport u ppreżentahom f’Markdown. Identifika d-dħul, id-dħul nett, u l-marġni operattiv.” Biex tiddeċiedi bejn żewġ kwotazzjonijiet, itella’ t-tnejn u staqsi: “Qabbel il-prezzijiet f’dawn iż-żewġ kwotazzjonijiet għall-istess servizzi. Identifika d-differenzi fir-rati.”

Xi ftit regoli metodoloġiċi biex nagħlqu. Kun speċifiku dwar dak li qed tfittex—tabella partikolari, kolonna, tip ta’ dejta—u dejjem speċifika l-format tal-output mixtieq (Markdown, CSV, JSON, lista). Għal dokumenti skennjati, riżoluzzjoni ta’ mill-inqas 150 DPI hija rrakkomandata għal estrazzjoni affidabbli. Jekk id-dokument huwa dens ħafna, ipproċessah paġna b’paġna: “Estratta t-tabella mill-paġna 7” se tagħti riżultati aħjar minn “Estratta t-tabelli kollha” globali. U għal kwalunkwe użu kritiku, ivverifika d-dejta estratta mad-dokument oriġinali—l-estrazzjoni hija aċċeleratur, mhux rinunzja ta’ responsabbiltà.

Punti Ewlenin

  • L-AI tad-Dokumenti jerġa’ jibni b’fedeltà t-tabelli b’intestaturi, kolonni, u ċelloli magħquda
  • Tista’ titlob estrazzjoni f’Markdown, CSV, jew JSON skont il-ħtiġijiet tiegħek
  • Il-mudell jifhem il-kuntest tad-dejta numerika u jista’ jwieġeb mistoqsijiet speċifiċi
  • L-istruttura ġerarkika tad-dokument (titli, sottotitli, listi) tiġi ppreservata
  • Dejjem ivverifika l-estrazzjonijiet għal użi kritiċi