RAG应用深度解析：文件解析与内容提取的技术突破

news2024/9/20 1:00:23

在了解完[# 落地RAG系列：RAG入门及RAG面临的挑战和解决方案！！]Naive RAG工作流程以及Naive RAG存在的问题后，我们将先从离线部分的文件解析开始技术分析与落地，朝着高级RAG的方向前进！

文件解析的难点

在RAG应用中，文件内容解析的质量将直接决定数据的质量，数据的质量直接决定了大模型回答的质量。因此文件内容解析处理是非常重要的一环。

难点编号	难点内容	解决方案
难点一	文件种类众多，特别PPT、PDF文档内容提取	不同的文件类型使用不同的方式进行内容提取
难点二	文档结构分为结构化文本(DOC/MD等)、半结构化文本、非结构化文本（PDF）	不同类型的文本采用不同的解析内容提取
难点三	文档结构复杂，文档结构影响文档切分方式	PPT、PDF文档结构较其它更为复杂

目前只想到了这几点，其它的是数据处理的问题，比如新旧版本数据同时存在怎么处理、数据变动如何更新等。本篇文章只专注于从文件中提取文件内容。

内容提取的原则：内容正确、内容不丢失！在技术上无法解决的需要人工标注！！

Word、Excel、PPT、PDF内容提取

支持对于doc、docx、ppt、pptx、xls、xlsx 等格式文档内容的提取。Spring AI和LangChain4j两个框架都提供内置的实现框架，将分别进行实践验证解析效果如何。

通过对Spring AI和LangChain4j底层实现进行研究，发现两者都是基于Apache Tika框架实现。Apache Tika框架可以解析和提取一千多种不同的文件类型(如PPT、XLS和PDF)的内容和格式。

Spring AI 框架内置提取实现

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-tika-document-reader</artifactId>
    <version>1.0.0-SNAPSHOT</version>
</dependency>

LangChain4j 框架内置提取实现

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-document-parser-apache-tika</artifactId>
    <version>0.33.0</version>
</dependency>

或者直接不使用Apache Tika框架自己去实现内容提取，如果有开箱即用的工具，还是优先推荐使用工具。下面将介绍使用内容的工具在提取各类型的文档存在的问题。

DOC/DOCX

Word文档最主要的组成内容元素：标题、段落、列表、表格、图片、图表、页眉、页脚、页码、目录、脚注和尾注、SmartArt、形状、公式、符号等。

在使用Apache Tika提取内容上主要问题：

列表可能正常提取内容，但是会丢失父子关系，对于大模型是否可接受看业务。
文档内的表格内容可以正常提取，但是丢失表格的含义，对于大模型是否可接受看业务。
形状内的文字无法提取，内容会丢失。这可能无法忍受。

XLS/XLSX

PPT/PPTX

PDF

对于MD、TEXT、HTML等内容的提取是相对最简单的，这里就不再赘述，在比如Spring AI 或者 LangChain4j框架中都有开箱即用的工具。

另外一种思路，是否可以将一种难以解析的文件，通过转换器能否转换为相对简单的文件类型进行解析呢？只是一种思路和想法，具体没有实践。

PDF文档内容提取

PDF属于非机构化的文档，在内容提取上是比较有难度的。通过了解很多技术文章，对于PDF的解析主要有以下几种技术方案。

图片文件内容提取

待补充

音视频文件内容提取

待补充

在这里插入图片描述

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述