内容理解是使用AI大模型从非结构化的多模态数据内容精准的转化为机器和AI语言模型可以理解和处理的结构化数据内容，最终形成构建-评估-部署的使用闭环。

• 构建分析器：基于预置模版进行分析器的配置和调试，构建对于场景的专属分析器
• 评估分析器：通过构建数据集对分析器效果进行评估，提供分析器优化依据和效果定量指标
• 部署分析器：提供可调用的API分析服务，支持在数据管道等应用调用，并且监控调用情况

前提条件

• 项目所绑定的资源组中有Ray类型的数据处理实例和通用资源队列，并且所属项目的模型服务中LLM模型已经启动(例如：projectName-deepseek_model_server)
• 确认已获取 DataBuilder 内容理解应用的菜单权限；
• 准备待解析的文档样例（如 PDF、扫描件），明确需要抽取的目标字段；

分析器创建

1. 登录百度智能云百度千帆·数据智能平台 DataBuilder 控制台，侧边导航选择内容理解进入列表界面。
2. 列表右上方单击创建分析器按钮，进入创建流程。
3. 填写分析器名称、描述以及选择所属项目位置后确定，继续为分析器进行详细配置。详细配置包含文档解析、文档抽取两大核心区域，详细配置说明如下：

文档解析配置

预处理配置

1. 单击预处理右侧的列表，在下拉选项中可选择所需功能（倾斜矫正等）；

   1. 对于需要处理的文档，通过预处理，可以使得解析结果更精准
   2. 对于无需处理的文档，请谨慎选择，可能会出现解析结果准确率下降
2. 若无需某预处理功能，单击功能右侧的「×」按钮删除。

布局分析配置

1. 返回布局信息：选择是 / 否，选 “是” 可获取文档元素(文本、表格、图片等)的空间位置、层级关系以及排版结构
2. 置信度阈值：根据需求输入数值（范围 0-100），只有检测得分大于等于阈值的检测框才会被保留

3. 布局分析模型：选择布局检测使用的模型

   1. YOLO（布局检测速度快，元素识别能力均衡）

内容解析配置

1. 内容解析模式：选择需要解析的内容类型，下拉选择文本、图片、公式或表格，可多选；
2. 解析范围：下拉选择文档的全部范围或指定范围；

3. 解析模型：下拉选择内容解析模型版本

   1. 基础版本 Base (内容解析速度快，对于复杂表格解析存在局限)

文档抽取区域配置

1. 单击抽取字段区域的添加按钮，添加抽取字段，填写字段配置项：

表1 添加抽取字段配置项说明

配置项名称	说明
字段名称	输入字段名称，需要抽取字段的名称。
字段描述	填写字段的描述，描述越详细模型抽取的准确率越高。
字段类型	选择对应字段的返回类型，字段类型有：字符串、数字、布尔值、日期和整数。
模式	根据字段出现规则选择，模式有：一定存在只有一个、一定存在，数量不限、可能存在，数量不限、可能存在，零个或者一个。
置信度	输入阈值（范围 0-1），过滤低置信度的抽取结果，低于置信度的返回结果会被舍弃。
操作	保存：单击保存，则新增抽取字段成功。取消：单击取消，则重置此条字段内容。编辑：对已保存添加成功的抽取字段进行调整，调整结束单击保存按钮。删除：删除已保存添加成功的抽取字段。注意：抽取字段删除后无法恢复，请谨慎操作。

2. 抽取样例：单击去样例标注按钮，去标注页面，标注样例。

分析器信息

在页面右侧有分析器的其他信息，包括分析器的基本信息、调优测试、运行记录以及历史版本。

调优测试

1. 切换至右侧调优测试区域，单击输入模块的上传按钮，导入准备好的文档样例；
2. 单击运行按钮，等待系统输出解析与抽取结果；
3. 查看输出模块的结果：若抽取准确率低，返回文档解析 / 抽取区域调整参数（如调整置信度、修改字段描述等），重复测试直至结果达标。

运行记录

在页面右侧导航通过切换按钮选择运行记录，查看分析器运行记录的详细信息，包括运行时间、运行状态和运行时长。

历史版本

在页面右侧导航通过切换按钮选择历史版本，查看分析器版本信息，版本支持查看和恢复。

保存与发布

1. 测试通过后，点击页面顶部的保存按钮，保存当前分析器配置；
2. 确认配置无误后，单击发布按钮，填写版本描述信息，将分析器投入正式使用；
3. 发布后可返回分析器列表，查看该分析器的状态。

构建分析器

构建分析器是定义数据处理的过程和模型，不同数据和意图，对应不同预置的分析器配置。

在分析器列表单击分析器名称，进入分析器详情。分析器详情页面通过切换tab页，选择构建模块，查看分析器基本信息以及文档解析、文档抽取具体配置。

• 如需调整配置，在页面右上角单击编辑按钮，对分析器进行调整和编辑。
• 如需删除当前分析器，单击页面右上角删除按钮，确定后分析器删除成功。注意：分析器删除后无法恢复，请谨慎操作。