مقدار هم‌پوشانی را با بازیابی شاهد نزدیک مرز قطعه تنظیم کنید. یک درصد ثابت از پیش، بدون دانستن ساختار سند، فقط نقطه شروع آزمایش است.
مسئله را درست تعریف کنیم
هم‌پوشانی می‌تواند گسست زمینه را کم کند، اما قطعه‌های تکراری در نتایج ممکن است جای شواهد متنوع را بگیرند و هزینه ذخیره‌سازی را افزایش دهند.
روش اجرا
- یک سند و مجموعه سؤال مرزی ثابت انتخاب کنید.
- چند مقدار هم‌پوشانی را با اندازه قطعه یکسان بسازید.
- حضور شاهد، تکرار نتایج و حجم نمایه را کنار هم مقایسه کنید.
نکته اجرایی و کنترل خطا
در مقایسه تنظیم‌ها، تعداد سندها و روش پاک‌سازی باید ثابت باشند. اگر هم‌زمان بخش‌هایی از مجموعه حذف شوند، کاهش حجم را نمی‌توان به هم‌پوشانی نسبت داد. نتیجه‌های بسیار شبیه را با شناسه سند مادر بررسی کنید؛ چند قطعه نزدیک ممکن است ظاهراً فهرست را پر کنند ولی شاهد مستقل نیاورند. پرسش اصلی این است که آیا پاسخ لازم با شرط‌هایش در زمینه نهایی جا می‌گیرد. برای سند کوتاه و کامل، هم‌پوشانی اضافی ممکن است هیچ فایده‌ای نداشته باشد و فقط تکرار بسازد؛ چنین نتیجه‌ای هم ارزش ثبت دارد.
نمونه آموزشی
در مثال آموزشی، پاسخ یک سؤال در آخر پاراگراف اول و آغاز پاراگراف بعد قرار دارد. نسخه بدون هم‌پوشانی فقط شرط را برمی‌گرداند؛ نسخه دارای هم‌پوشانی شرط و استثنا را کنار هم می‌آورد. این مشاهده برای همان سند معتبر است، نه همه مجموعه‌ها.
جدول کار برای همین موضوع
| فیلد ثبت | کاربرد در تصمیم |
|---|---|
| تنظیم قطعه | اندازه و روش شکستن را ثابت نگه دارید |
| مقدار هم‌پوشانی | صفر در برابر مقدار آزمایشی ثبت‌شده |
| سؤال | سؤال با شاهد دو سوی مرز |
| شاهد بازیابی‌شده | وجود شرط و استثنا را جدا علامت بزنید |
| نتیجه تکراری | دو قطعه هم‌منشأ یک شاهد مستقل نیستند |
| حجم نمایه | تعداد قطعه و حجم بایت هر تنظیم ثبت شود |
فایل قابل استفاده
دریافت فرم CSV این راهنما. هر سطر را با اطلاعات پروژه خود تکمیل کنید. خانه نامعلوم را نامشخص بگذارید؛ نبود شاهد را با عدد صفر یا تأیید جایگزین نکنید. فایل شامل اطلاعات مشتری واقعی نیست و برای ثبت بررسی به کار می‌رود.
محدودیت و تصمیم بعدی
اگر عنوان یا ساختار استخراج خراب باشد، افزودن هم‌پوشانی ممکن است فقط متن خراب را تکرار کند.
منبع فنی برای مطالعه بیشتر
Microsoft Learn: قطعه‌بندی اسناد. مثال‌ها و فرم این مطلب برای آموزش طراحی شده‌اند و نتیجه مشتری یا آزمون محصول نیستند.
ادامه مطالعه مرتبط
اگر مشکل از استخراج جدول است نه مرز قطعه، جدول PDF در چت به‌هم می‌ریزد؛ آماده‌سازی منبع قبل از اتصال را ببینید.