RAGで使用するPDFの前処理を検証（PDF→マークダウン形式） - Qiita

テクノロジーカテゴリーの変更を依頼記事元:

qiita.com/infra365

134users がブックマークコメント

コメント

2

記事へのコメント2件

注目コメント
新着コメント

yarumato “PDFファイルをPythonのPdfReaderでページ毎に読み込んでテキスト情報を取得。テキスト情報からプロンプトを作成してLLM(AWS Bedrock)に送信、取得。結果を一つの文字列に結合後、output.mdファイルを作成。”

2025/04/27 リンク

aomvce ほうほう

2025/04/27 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

RAGで使用するPDFの前処理を検証（PDF→マークダウン形式） - Qiita

内容 Amazon Bedrockを使用したRAGシステムを構築します。ベクトルDBに情報を保存する際、事前に適切な... 内容 Amazon Bedrockを使用したRAGシステムを構築します。ベクトルDBに情報を保存する際、事前に適切な形へチャンク分割を行い、回答精度を高めたいと思います。下記の記事ではHTMLファイルの前処理の検証について記載しましたが、今回はPDFファイルの前処理について記載をします。仕組みまず、サンプル用のPDFファイルを準備します。このPDFファイルをPythonのPdfReaderでページ毎に読み込んでテキスト情報を取得します。取得したテキスト情報をAmazon Bedrockに送信後、整形処理の依頼を行います。この際、マークダウン形式での出力指示を行い、出力結果としてマークダウン形式のファイルを作成します。実行まず、サンプル用のPDFファイルを準備します。下記のファイルをダウンロードしてsample.pdfという名前に変更後、下記プログラムと同じディレクトリに保存します。

ブックマークしたユーザー

heatman2025/05/27
sora05132025/04/29
miguchi2025/04/28
naggg2025/04/28
developmaso2025/04/28
ryohn2025/04/28
flying-cat2025/04/27
toremoro2025/04/27
dufrock2025/04/27
knzw252025/04/27
yoiIT2025/04/27
riepom2025/04/27
orangehalf2025/04/27
sorobanya2025/04/27
shinyapple2025/04/27
masayoshinym2025/04/27
marioaoki2025/04/27
dev_tamura2025/04/27

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - テクノロジー

いま人気の記事 - テクノロジーをもっと読む

新着記事 - テクノロジー

新着記事 - テクノロジーをもっと読む

いま人気の記事 - 企業メディア

企業メディアをもっと読む

設定を変更しましたx