PulseAugur
中
实时 01:18:41
English(EN) Structured Data Extraction from Real Estate Documents using Clustering, Classification, and Large Language Models

DeepSeek R1 LLM 从房地产文件中提取结构化数据

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个端到端的流程，用于从异构房地产文件中提取结构化数据，包括扫描表格和复杂布局。该系统将文档分为三类，然后使用 DeepSeek R1 大型语言模型提取 35 个预定义的房产属性，并将数据以 JSON 对象的形式返回。该方法成功处理了 2781 份文档，产生了 2766 条经过验证数据质量的唯一房产记录，证明了大规模提取的可行性和可靠性。 AI

影响 这项研究展示了一种使用 LLM 从复杂、非结构化文档中提取结构化数据的可行方法，有可能提高房地产等领域的 数据可访问性。

排序理由 该集群描述了一篇详细介绍数据提取新方法的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

DeepSeek R1 LLM 从房地产文件中提取结构化数据

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Muhammad Assad Shehbaz, Carlos Francisco Moreno-Garc\'ia ·

    使用聚类、分类和大型语言模型从房地产文件中提取结构化数据

    arXiv:2607.06012v1 Announce Type: new Abstract: Real estate property listings expose structured metadata through the API. Still, the richest property-level information (i.e., legal status, structural condition, utility supplies, heating systems) sits in attached questionnaire doc…

  2. arXiv cs.CV TIER_1 English(EN) · Carlos Francisco Moreno-García ·

    使用聚类、分类和大型语言模型从房地产文件中提取结构化数据

    Real estate property listings expose structured metadata through the API. Still, the richest property-level information (i.e., legal status, structural condition, utility supplies, heating systems) sits in attached questionnaire documents that no automated system currently proces…

相关实体

相关话题