待验证50% 置信权衡取舍精确时间

将非结构化文档转化为高质量知识图谱通常需经历OCR识别、版面分析、段落分割、实体识别、关系抽取等多个环节，每一步都可能引入误差

1

来源数

50%

置信度

长期有效

时效性

2026/8/28

首次发现

来源

Semantica：把散乱资料织成可追溯的知识网

涉及实体

知识图谱concept

相关事实

待验证传统OCR工具如Tesseract依赖字符模板匹配，对排版格式敏感且难以处理复杂布局70% 相似待验证将多模态文档预处理时把表格和图片转化为文字描述，能提升LLM推理一致性和后续测试点提取准确性69% 相似待验证知识图谱方案在语义深度上优于简单文件索引，在结构性上优于全量代码嵌入，在更新便利性上优于手写项目文档68% 相似待验证含复杂表格或多栏排版的PDF简历解析时往往产生文本顺序错乱，需借助版面分析工具（如MinerU、Unstructured.io）进行结构化还原67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/810659

API

curl https://kongchang.com/api/v1/knowledge/claims/810659

MCP

get_claim(id=810659)