document

定義

レポート・請求書・論文・スライドのように、まとまった長さと構造を持った文章の単位。検索・要約・抽出の処理単位であり、文書AIでは文字列としてだけでなくページ画像とレイアウトを含んだ対象として扱われる。文の集合という意味では passage や chunk と近いが、document は分割前の全体を指す。

論文題名での読み方

検索・要約の対象

この語が出てくる解説

• 論文解説: D-RAC — PDFに正規化し、画像を1回だけ読んでMarkdown化するRAG取り込みDocument Retrieval-Aware Chunking (D-RAC): Universal Retrieval-Aware Ingestion of Enterprise Documents via PDF Normalization and Multimodal Markdown Conversion
• 文書理解とOCRのいま — 帳票をLLMが読むまでLayoutLM: Pre-training of Text and Layout for Document Image Understanding