nalažam pdf z vprašanji, a sistem vprašanj ne prepozna dobro

Prepoznavanje se ustavi pri oblikovanju, ne vsebini

Pdf, ki se ne prepozna pravilno, je običajno posledica ene od treh stvari: pdf je slika (slika besedila, ne pravo besedilo), vprašalnik je v tabeli z egyesenimi celicami, ali oštevilčevanje se razlikuje od tega, kar sistem prepozna kot vprašanje (na primer »3.2a« namesto »Vprašanje 12«). V vseh treh primerih sistem vidi tekst, vendar ne more z gotovostjo razdeliti, kje se eno vprašanje konča in drugo prične. Sistem raje ničesar ne izpolni kot da povezuje odgovor z napačnim vprašanjem.

Najhitrejša rešitev je običajno posvetovati se s portalom svojega stranke: številni portali ponujajo poleg pdf-ja tudi izvoz v Excel ali spletni obrazec iste vprašalnice, in te se običajno pravilno prepoznajo. Če sistem del vprašanj prepozna, lahko preostanek izpolniš sam — povezani odgovori prihajajo še vedno iz iste verige evidenc, zato ne piješ dvakrat isto. Gre za vprašanje o fiksnem podatku, kot je registrski numer podjetja ali število zaposlenih, je ta odgovor neodvisen od prepoznavanja vedno na voljo za ročno prevzem.

Zakaj ne »pametno« prisiljujemo pdf-jev

Sistem prepozna vprašanja na podlagi tekstne strukture, ne na podlagi pomena: ne bere seznama, prepozna samo vzorce, kot so oštevilčevanje, vprašaji in ločevanje tabel. Kadar ti vzorci manjkajo — kot pri sliki brez osnovne tekstne plasti ali pri pdf-ju, ki je oblikovan s slikami namesto besedila — sistem ne more ugotoviti parov vprašanj in odgovorov. To je zavestna meja: raje ne izpolni dela seznama kot da povezuje odgovor z vprašanjem, ki ga ni gotovo prebral. Ostaneš tisti, ki vsak predlagani odgovor potrdiš in pošlješ portalu svoje stranke.