###### tags: `AI`,`2022`

{%hackmd BJrTq20hE %}

# 資料結構 及 合適的資料擷取技術

1. 結構化資料(Structured)：固定欄位、格式、順序。例如：csv、excel。
2. 半結構化資料(Semi-Structured)：具有欄位，但不一致，部分有定義，部分有關聯。例如： XML、JSON。
3. 非結構化資料(Unstructured)：有很多不同的資料元素，也沒有定義的資料結構或關聯。例如：文字、圖檔、音訊檔、Email等。

## 合適的資料擷取技術

### ABBYY FlexiCapture
適合用在**結構化資料**，EX: 表格/表單

### ABBYY FlexiCapture for Invoices (FCI)

適合使用格式及訓練的方式，EX:發票

### ABBYY NLP (single model per doc)、AIDA + ABBYY FRE (multiple models per doc)

逐行段落則適合使用自然語言處理的方式。

### 監督學習法

混合型文件(需要識別標題等)因為較為複雜，適合使用集成學習法，也就是以一個系統化的方式將好幾個監督式學習的模型結合在一起，成為一個更強大的模型。例如：ABBYY NLP、AIDA + ABBYY FRE and/or FCE。