Automaattinen optinen tekstintunnistus (Optical character recognition, OCR) on digitoidun tekstiaineiston tärkein toimenpide. Ilman sitä paperinen asiakirja on vain valokuva, jonka merkitystä tietokone ei ymmärrä. Jotta sanoja asiakirjasta voitaisiin hakea tehokkaasti tietokoneella, pitää digikuva tulkita tietokoneen ymmärtämään muotoon merkki kerrallaan. Parhaimmillaan pääsemme syväopetuilla tekoälyalgoritmeillamme 98 - 99 % tarkkuuteen, siis vain noin 1 % sivun yksittäisistä merkeistä (koneella kirjoitetuista kirjaimista) ei tunnistu oikein. Hinta alkaen 1000 euroa, vie sinun aikaasi noin 1/2 tuntia.

OCR-tunnistetusta PDF-tekstitiedostosta uupuu metatiedot, joissa kerrotaan yleisemmin mitä tietoja digitaalinen asiakirja sisältää ja mihin kokonaisuuteen se liittyy. Tehokas hakeminen edellyttää, että sähköisessä arkistossa jokaiseen asiakirjaan on merkitty kuvailevat metatiedot. Kehittämämme tehokkaat puoli- ja täysautomaattiset digitoinnin työnkulut luovat automaattisesti lukuisia metatietoja, jotka tallennetaan digitointiyksikköön ja tietokantoihimme automaattista jatkokäsittelyä varten. Hinta alkaen 1000 euroa, vie sinun aikaasi noin 1/2 tuntia.

Suurin käyttöhyöty saadaan luomalla osasta tai koko tekstisisällöstä yhtenäinen tietokanta, josta kaikki tieto on välittömästi haettavissa. Olemme kehittäneet uniikkeja tekoälyä hyödyntäviä puoli- ja täysautomaattiset työnkulkuja, joiden avulla haluttu tietokanta muodostetaan automaattisesti. Hinta alkaen 5000 euroa, vie sinun aikaasi noin 1/2 tuntia.