Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

applicazioni - Semantic automation beyond data capture

panoramica di campi applicativi ed use cases della piattaforma "Grafema"
by

Michele Slocovich

on 15 April 2016

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of applicazioni - Semantic automation beyond data capture

Applicazioni
Grafema è un framework modulare ed estensibile per il
Processing Documentale Automatizzato

Interamente realizzato in
Java
con connettori JNI ai sistemi OCR (C/C++)

Supporto a
molteplici
kernel OCR

Pensato per l'integrazione con impianti informatici esistenti (legacy):

Interfacce di Input e Output astratte

I documenti in ingresso possono provenire da qualsiasi sorgente e i dati elaborati possono essere riversati su qualsiasi sistema in qualsiasi formato

Possibilità di estensioni e customizzazioni da parte di terze parti

Plugin

OntoEditor
Web Interface
Knowledge (validazione / learning)

Grafema+ :
Architettura
Workflow implementation
Web
Interface
OntoEditor
Metafora
Applicazioni:
Ciclo Passivo
Applicazioni:
Riconciliazione
Applicazioni:
Tabelle consumi
Applicazioni:
F24
Applicazioni:
Entity Extraction
Applicazioni:
Classificatore
Problema:
Attività time consuming
Grandi moli di dati
Difficoltà di classificazione e instradamento
Molte categorie tra cui decidere
Oggetti differenti nella stessa classe
Assenza referente
Soluzione:
Approccio Statistico (Machine Learning)
Uso di feature grafiche e semantiche
Apprendimento continuo
Predispone a ulteriore automazione
Suggerimenti organizzativi

Incoming spool
Classificazione
Identificazione
Attivazione processi specifici
Deploy Tipo
"on premises"
Deploy
SaaS
Concetti
Applicazione di tag molteplici (ambigui)
Aggregazione tra possibili tuple
Validazione interpretazioni tramite contesto
Scarto interpretazioni non contestuali
Reiterazione a livelli superiori
token ("milano")
contesto ("20123 Milano")
aggregato (anagrafica)
Tagging iterativo
Applicazioni:
Note Spese
Problema:
Scansione distribuita
Orientamento, qualità
Segmentazione immagine
Soluzione:
Identificazione e
segmentazione
estrazione dati
Riconciliazione
Full transcript