Nhảy đến nội dung

Tìm kiếm nội dung tệp

Tab Tìm kiếm tệp trong phần Cài đặt quản lý việc tìm kiếm theo văn bản trong các tệp đã tải lên dự án: những tệp nào sẽ được xử lý, bao nhiêu văn bản sẽ được trích xuất từ chúng, cách xác định ngôn ngữ của tài liệu và truy vấn. Tại đây cũng có thể thấy phần nào của các tệp đã được đưa vào chỉ mục, và có thể khởi động lại quá trình lập chỉ mục.

thông tin

Trong tab này không có nút "Lưu" chung — mỗi thay đổi sẽ được áp dụng ngay sau khi nhập giá trị, chọn từ danh sách hoặc chuyển đổi ô kiểm. Chỉ có các quản trị viên có quyền thay đổi cài đặt chung mới có thể thay đổi các tham số; nếu không, các trường chỉ có thể xem.

Khả năng của dự án​

Khối Khả năng của dự án cho thấy những gì có sẵn cho dự án. Nó chỉ cung cấp thông tin — không thể thay đổi các giá trị này trong tab. Mỗi dòng được đánh dấu bằng biểu tượng: ✓ — khả năng có sẵn, ✕ — không có sẵn (kèm theo giải thích lý do).

  • Chức năng có nằm trong gói của dự án hay không.
  • Dịch vụ trích xuất văn bản từ các tệp có sẵn hay không.
  • Nhận diện quét (OCR) có sẵn hay không.
  • Tìm kiếm vector có sẵn hay không.

Nếu khả năng không có sẵn, các cài đặt liên quan bên dưới vẫn hiển thị nhưng bị khóa: ví dụ, không thể bật xử lý tệp nếu không có chức năng trong gói, và không thể cấu hình nhận diện nếu không có OCR.

Xử lý nội dung tệp​

Ô kiểm trong tiêu đề khối Xử lý nội dung tệp bật tính năng xử lý nội dung của các tệp. Việc tắt sẽ dừng việc trích xuất văn bản từ các tệp mới, nhưng chỉ mục đã được xây dựng sẽ được giữ lại và vẫn có thể tìm kiếm theo đó.

Trong khối này có thể cấu hình:

  • Định dạng để trích xuất — các định dạng tệp từ đó văn bản được trích xuất: txt, md, html, pdf, docx, odt, epub, rtf. Mặc định chọn tất cả.
  • Các phần có tệp được lập chỉ mục — các phần có tệp được đưa vào chỉ mục: Sản phẩm, Trang, Khối, Slide, Mẫu, Giảm giá. Mặc định chọn tất cả.
  • Số ký tự tối đa mỗi tệp — số ký tự văn bản được trích xuất từ một tệp: từ 10000 đến 2000000, mặc định là 500000. Văn bản vượt quá giới hạn sẽ không được đưa vào chỉ mục, và tệp sẽ được coi là bị cắt ngắn. Dưới trường này hiển thị số lượng tệp ước tính mà ngân sách chỉ mục có thể chứa với giới hạn hiện tại.

OCR​

Khối OCR chịu trách nhiệm về việc nhận diện văn bản trong các bản quét. Ô kiểm trong tiêu đề khối bật tính năng nhận diện, trường Số trang tối đa mỗi tệp giới hạn số trang được nhận diện của một tệp: từ 1 đến 500, mặc định là 50.

Nếu OCR không được triển khai trong dự án, ô kiểm và trường sẽ bị khóa, và trong khối sẽ hiển thị cảnh báo.

Ngôn ngữ của tài liệu và truy vấn​

Khối Ngôn ngữ của tài liệu và truy vấn xác định ngôn ngữ nào được sử dụng để xử lý tài liệu và truy vấn tìm kiếm.

  • Phát hiện ngôn ngữ tài liệu — cách xác định ngôn ngữ của tài liệu: tự động (mặc định) hoặc cố định.
  • Ngôn ngữ mặc định — ngôn ngữ của tài liệu: tiếng Nga, tiếng Anh (mặc định), tiếng Đức, tiếng Pháp hoặc đơn giản.
  • Giải quyết ngôn ngữ truy vấn — cách xác định ngôn ngữ của truy vấn tìm kiếm: tự động (mặc định), cố định hoặc tìm kiếm ngay lập tức theo tất cả các ngôn ngữ có trong các tệp đã được lập chỉ mục.

Dưới đây có hai ô kiểm, mặc định cả hai đều được bật:

  • cho phép sửa đổi ngôn ngữ của một tệp riêng lẻ bằng tay;
  • tìm kiếm theo một phần của từ — một lần quét bổ sung qua các tài liệu đã tìm thấy, giúp tìm các từ trong từ, nhưng làm chậm đáng kể quá trình tìm kiếm.

Phạm vi chỉ mục​

Khối Phạm vi chỉ mục cho thấy trạng thái của chỉ mục:

  • số lượng tệp có sẵn để tìm kiếm trong tổng số;
  • số lượng tệp đang chờ dịch vụ trích xuất văn bản;
  • số lượng tệp ở định dạng không được hỗ trợ;
  • số lượng tệp đã được xử lý với lỗi;
  • số lượng tệp bị cắt ngắn theo giới hạn ký tự;
  • số lượng tệp bị loại trừ khỏi tìm kiếm bằng tay.

Mỗi con số là một liên kết đến danh sách các tệp đã được lập chỉ mục với bộ lọc đã được áp dụng. Nếu tài liệu không được tìm thấy qua tìm kiếm, có thể ngay lập tức thấy lý do qua các liên kết này: định dạng không được hỗ trợ, trích xuất kết thúc với lỗi hoặc văn bản bị cắt ngắn.

Dưới các bộ đếm hiển thị kích thước của chỉ mục và tỷ lệ của nó so với ngân sách, tính bằng megabyte và phần trăm.

Tái lập chỉ mục​

Để xử lý lại các tệp, hãy chọn trong danh sách Những gì cần tái lập chỉ mục, các tệp nào sẽ được xử lý:

  • chỉ các tệp chưa được xử lý (giá trị mặc định);
  • chỉ các tệp đã kết thúc với lỗi;
  • các tệp bị cắt ngắn và lỗi thời;
  • tất cả các tệp.

Sau đó nhấn Tái lập chỉ mục. Sau khi khởi động, dưới nút sẽ hiển thị số lượng tệp đã được đưa vào hàng đợi, và nếu không thành công — thông báo lỗi.

cảnh báo

Nếu xử lý nội dung tệp bị tắt trong khối Xử lý nội dung tệp, các nhiệm vụ tái lập chỉ mục sẽ được đưa vào hàng đợi nhưng sẽ không được thực hiện — khối sẽ cảnh báo về điều này. Nút Tái lập chỉ mục chỉ có sẵn cho các quản trị viên có quyền quản lý chỉ mục tệp.