Azure Arc 启用的 Edge RAG 预览版的高级数据分析

Edge RAG 提供了一个高级数据分析选项，它通过捕获结构、表和图像来帮助你从文档中提取更多价值，以获取更准确、更丰富的上下文搜索和聊天体验。 本文介绍高级数据分析在 Edge RAG 中的工作原理、何时使用它，以及它如何帮助你充分利用数据。

关键功能

高级数据分析提供基本分析的多项增强功能。 以下列表总结了主要优势：

• 增强的文档理解：为更丰富的上下文提取标题、表格、图像和格式。
• 高级分块：将文本拆分为有意义的节，保留上下文和文档层次结构。
• 丰富的元数据：捕获段落标题、页码和其他结构详细信息。
• 智能表格处理：检测、合并、索引表格，甚至处理跨多个页面的表格。
• 改进了检索准确性：启用更相关的精确搜索结果。

何时使用高级分析

选择高级解析当文档包含如下内容时：

• 对于用例而言非常重要的表、图表或图像。
• 复杂的结构，如报表、科学论文或财务表。
• 需要精确搜索、筛选或归属（如页码或分区标题）。

如果只需要快速提取自由格式的文本，基本分析可能就足够了。

高级分析的工作原理

高级分析将分析文档以识别和保留结构，包括：

• 标题、段落、列表和层次结构。
• 表和图像。
• 多种文件格式，包括 PDF、Word、PowerPoint、HTML、Markdown 和常见图像类型。

文本被分割成与自然边界对齐的上下文感知区块，如句子或章节。 每个区块包括标题和页码等元数据，使跟踪信息回源变得更加容易。

支持的文件格式

高级分析支持以下文件类型：

• .txt （文本文件）
• .pdf （PDF 文档）
• .docx（Microsoft Word 文档）
• .pptx（Microsoft PowerPoint 演示文稿）
• .html （HTML 文档）
• .md （Markdown 文件）
• .png、.jpg、.jpeg（图像）

文本分块和元数据

高级分析使用高级分块来创建语义有意义的部分，而不是简单的基于字符的拆分。 每个区块包括标题、页码和唯一区块 ID 等元数据。 表区块包括更多详细信息，如表索引、形状和内容的预览。 此方法有助于保留上下文并提高检索相关性。

表格提取与处理

高级分析会自动检测所有页面中的表，包括扫描文档中的表。 它合并跨多个页面的表、还原列标题并确保列结构一致。 每个表区块包括表索引、形状、页码、节标题和表格预览等元数据。 此信息使表在完整上下文中可搜索和检索。

图像提取和处理

高级分析会自动检测所有页面中的图像。 每个图像均以完整质量存储，并附带源页码。 此信息允许在推理期间提供完整的质量图像显示和源页面上下文。

高级分析如何改进结果

高级分析直接提高了检索扩充生成（RAG）响应的质量。 它可帮助你获得更好的上下文检索、增强的表理解和改进的准确性。 例如，标题信息有助于快速识别相关部分，页码允许精确的源归属。 语义区块与查询意向保持一致，有关表格数据的结构化查询更准确。 这些改进可帮助你向用户提供更准确且更可信的结果。

从基本分析迁移到高级分析

如果要从基本分析切换到高级分析，请执行以下步骤：

1. 通过删除现有的引入文档并在引入作业配置中选择“高级”模式来更新配置。
2. 重新导入文档。 应重新引入以基本模式处理的文档，以利用更丰富的区块和元数据。 在迁移期间，历史数据仍可访问。
3. 使用示例查询测试检索质量、检查表提取以及确认页码和标题是否出现在结果中来验证结果。

性能注意事项

高级分析比基本分析花费更多时间，尤其是对于大型文档。 它还存储每个区块的更多元数据，这可能会增加存储要求。 但是，提高的准确性和上下文通常超过了额外的处理时间和存储需求。

最佳做法

若要从高级分析中获得最佳结果，请遵循以下建议：

• 尽可能使用本机数字格式（如具有可选文本的 PDF）。
• 确保表格式正确且一致。
• 使用清晰、一致的标题来帮助分析器识别文档结构。

在引入之前查看文档，确保它们符合这些准则。

Troubleshooting

如果注意到缺少或不完整的表，请检查源文档的结构合理且清晰。 对于意外的结果，请查看元数据和区块详细信息，以验证是否已捕获标题和页码。 如果引入失败，请尝试简化文档或将其拆分为较小的部分。

相关内容

• 为 Edge RAG 配置聊天解决方案
• 在 Edge RAG 中添加聊天解决方案的数据源
• 为 Edge RAG 聊天解决方案设置数据查询
• 支持的数据源