页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「MinerU 文档解析」找到 5 条内容
按专题浏览 →匹配题目：MinerU 能直接解决 RAG 文档解析吗？哪些页面必须二次处理？
匹配正文：…是入门级的。真实文档会用四种方式坑你。 专业解析不是"读取文本",而是一条 pipeline:先搞清版面,再分类,再针对性处理: 文档解析 Pipeline:版面分析 → 元素分类 → 针对性解析 → 结构化输出 坑 1:多栏排版被"按行拼接"搅烂 现象:一份双栏的理赔指南,左栏写"理赔流程",右栏写"需要的材料"。普通解析器按行从左读到右,变成"流程第 1 句 → 材料第 1 句 → 流程第 2 句 → 材料第 2 句……"彻底乱套。 后果:用户问"理赔要交哪些材料",检索…
匹配正文：… 归一化的作用（余弦相似度计算） 实际工程中的注意事项（并发、缓存、版本管理） 文本预处理 核心目标：保留语义完整性，控制块大小 文档解析：PDF用PyMuPDF/MinerU，HTML去标签，表格保留结构 分块策略：按语义段落切分，并比较多组 chunk size 与 overlap 候选，用同一评测集验证边界召回和成本 清洗降噪：去页眉页脚、统一编码、过滤低信息密度内容 元数据绑定：保留标题层级、来源URL、时间戳，用于过滤和重排序 嵌入模型选择 选型三要素： 维度 考量…
学习内容与项目面试，在同一条路上。