ソーストランスフォーメーションは、テキスト、テーブル、見出し、メタデータなど、ドキュメントの完全な構造を抽出します。請求書やレポートなど、ドキュメント構造が異なるドキュメントから、テキストの順序を保持した状態でテキストを抽出できます。

PDFを読むには、

［ソース］

タブをクリックし、

［ドキュメント］

を選択します。

データ統合

は入力タイプを自動的に［PDF］に設定します。

PDFのディレクトリを読み取るには、詳細プロパティの

［ソースタイプ］

を

［ディレクトリ］

に変更します。

［ファイル名のオーバーライド］

には、「

*.pdf

」を入力します。

［フィールド］

タブには、各PDFのテキスト、ファイルパス、ファイルタイプ、およびファイル名を保存するフィールドが表示されます。

テキストをダウンストリームのチャンキングトランスフォーメーションとベクトル埋め込みトランスフォーメーションに渡してRAG取り込みパイプラインを構築するか、テキストを処理して、そこから構造化データを作成し、JSONファイルに書き込むことができます。