DeepDoc

中国PDF解析器DeepDoc在日文文档上表现不一

对RAGFlow的DeepDoc（一款来自中国的开源文档解析器）的技术评估发现，在处理日文PDF时存在一个关键缺陷。该解析器在扫描或表单字体文档上系统性地将日本年号字符令误读为今，这可能导致法律和财务记录上的日期损坏。然而，这个问题仅限于DeepDoc的OCR回退路径；嵌入字体PDF的数字提取文本不受影响。尽管存在OCR错误，DeepDoc改进的布局理解能力使测试文档的词汇搜索系统的检索准确率提高了15%。