googleapis / googleapis/google-cloud-python

`split_pdf` splits too much, since it does not take into account that different entities might have same type (but different confidence)

Offen
#15,823 2 Kommentare 0 Reaktionen 1 zugewiesene Person Beansprucht von @holtskinner Auf GitHub ansehen
Vorherrschende Sprache
Python
Sterne
5.4k
Forks
1.8k
Ø Merge
3 T. 4 Std.
Gemergte PRs (30 T.)
122

Beschreibung

Here is entities example returned from splitter:

```
[text_anchor {
text_segments {
end_index: 1424
}
}
type_: "form1"
confidence: 0.96
page_anchor {
page_refs {
}
page_refs {
page: 1
}
page_refs {
page: 2
}
}
, text_anchor {
text_segments {
start_index: 1424
end_index: 6935
}
}
type_: "form1"
confidence: 0.68
page_anchor {
page_refs {
page: 3
}
page_refs {
page: 4
}
}
]
```

In this case we see that all pages are actually of same type and we should not split. However document.Document.split_pdf would not detect that.

Beitragsleitfaden

Beitragsleitfaden öffnen

Bewertung

Dieses Issue wurde noch nicht bewertet.

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.