ИИ по распознаванию архивных документов

Задача

В России возникла потребность в качественном распознавании неструктурированных текстовых документов (научная документация, деловая переписка, отчёты с графиками и таблицами) с сохранением структуры.

Решение

Создан SaaS-сервис на основе OCR и машинного обучения. Собран датасет русскоязычных текстов, обучена модель многоклассовой классификации для привязки узлов онтологической модели к разделам документа. Реализована выгрузка в XML (ANSI/NISO STS 1.2), DOCX и PDF, а также пользовательский интерфейс для загрузки и распознавания документов с таблицами, формулами и изображениями.