Desetljeća poslovnog novinarstva, zaključana u PDF-ovima. Izgradili smo AI pipeline koji je izdvojio, strukturirao i indeksirao više od 50.000 članaka — i učinio ih pretraživima i spremnima za doba AI-ja.
Izvorna stranica magazina s prikazom složenih prijeloma koje naš AI pipeline obrađuje
Prijelom magazina lomi standardnu obradu dokumenata. Tekst u više stupaca, slike koje presijecaju članke, sadržaj koji se proteže preko stranica — za ovo je trebao AI po mjeri.
Stranice magazina nisu dokumenti. Članci se ovijaju oko slika, preskaču na druge stranice i dijele prostor s oglasima. Standardni OCR daje nerazumljivu kašu.
Većina AI modela muči se s hrvatskim. Dijakritički se znakovi izobliče, kontekst se izgubi, a poslovno nazivlje ispadne krivo.
Četiri koraka od sirovog PDF-a do strukturiranog, pretraživog sadržaja.
Automatska obrada skeniranih stranica magazina, uz izjednačavanje kvalitete
Računalni vid za prepoznavanje strukture, segmentaciju i redoslijed čitanja
Prepoznavanje teksta uz obradu hrvatskog jezika i ispravljanje pogrešaka
Pretvaranje u pretraživ, strukturiran oblik, uz obogaćivanje metapodacima
Vlastiti algoritmi za specifične izazove digitalizacije magazina.
Članci koji se nastavljaju na 47. stranici automatski se povezuju. Naši algoritmi prate oznake nastavka i tok sadržaja kroz cijeli magazin.
Prepoznavanje obrazaca izvlači i ujednačava podatke o autoru iz različitih oblika i položaja potpisa unutar prijeloma.
Strojno učenje razvrstava članke po temi, djelatnosti i vrsti sadržaja — pa arhiva odmah postaje prohodna po predmetu.
Svaki izdvojeni članak prolazi provjeru i kontrolu kvalitete. Provjera pravopisa, ujednačavanje formata, obogaćivanje metapodacima i uklanjanje duplikata odvijaju se automatski.
Svaka riječ, svaki članak, odmah pretraživi. Arhiva postaje baza nad kojom se postavljaju upiti, spremna za AI primjene.
Od zaključanih PDF-ova do žive, pretražive arhive.
Desetljeća hrvatskog poslovnog novinarstva sačuvana u strukturiranom obliku otpornom na vrijeme. Pretraga cijelog teksta kroz cijelu arhivu.
Strukturirana arhiva danas pogoni AI asistenta Pitaj Lider. Ono što je bilo zaključano u PDF-ovima sada je podloga za poslovnu inteligenciju.
Naš AI za dokumente nosi složene prijelome, više jezika i arhive bilo koje veličine. Razgovarajmo o Vašem projektu digitalizacije.
Trenutačno smo popunjeni za nove razvojne projekte i embedded angažmane — pišite nam na tihomir.jauk@lumiverse.hr pa Vas kontaktiramo čim se oslobodimo. Zanima Vas neki od naših proizvoda — Tvrtko.ai, Moj Kolega, Titlomat i ostali? Oni su dostupni odmah — javite se i pomoći ćemo Vam da krenete.