PythonでPDFからテキスト/表情報の抽出精度を比較してみた - Taste of Tech Topics
はじめに こんにちは。ついにジム通いを始めて四六時中筋肉痛を感じながら過ごしているイワツカです。 最近はLLM（大規模言語モデル）とRAG（検索拡張生成）を用いて企業内ドキュメントを活用する取り組みが多く見受けられます。 ドキュメントは基本PDFで保存されているため、PDFからテキストを抽出して、検索対象にすることが必要です。 そこで今回は、PythonでPDFからテキストを抽出するためのライブラリを比較して、どれが良いのか検証しました。 はじめに 概要 実装 PyMuPDF pdfplumber unstructured 比較結果 テキスト抽出 サンプル1のテキスト抽出結果 サンプル2のテキスト抽出結果 表の抽出 サンプル3の表抽出結果 サンプル4の表抽出結果 検証結果 まとめ 概要 今回はPDF読み取りライブラリとして、PyMuPDF、pdfplumber、unstructuredの3
以下の文章は、Article 19の「India: Time now to reverse Modi’s divisive legacy」という記事を翻訳したものである。 ARTICLE 19 インドでは総選挙が終わり、与党のインド人民党（BJP）は過半数の獲得に失敗した。2014年と2019年の前回2回の選挙でBJPが圧勝したのとは対照的に、ナレンドラ・モディ首相は今回、連立政権の運営を余儀なくされることになった。 新たな政治構図により、首相の独断専行や反対勢力への弾圧が難しくなるだろうと識者は指摘する。とはいえ、この10年間の独裁的傾向を鑑みれば、政権の軌道修正は当面見込めそうにない。ARTICLE 19では、モディの権限が縮小してなお、インドの民主主義が直面する多岐にわたる課題を探っていく。 カリスマ性と分断を煽る姿勢を併せ持つモディは、この10年間で着実にインドの民主主義を掌握して
![インド：モディはいかにして表現の自由と民主主義を殺したのか | p2ptk[.]org](https://cdn-ak-scissors.b.st-hatena.com/image/square/7ce2fd66d1e5f90ace5c75099b500993c86e1293/height=288;version=1;width=512/https%3A%2F%2Fp2ptk.org%2Fwp-content%2Fuploads%2F2024%2F09%2FModi_announces_repeal_of_farm_laws_mod.jpg)
防衛省と外務省の職員は「マイナ保険証」が“嫌い”？…自治体でもほとんど活用されず、会計検査院にも「ムダ」と烙印を押された理由とは | 弁護士JPニュース
現行の保険証を廃止してマイナンバーカードに保険証の機能を統合する「マイナ保険証への一本化」が12月2日に迫っている。他方で、マイナ保険証の利用率は低調に推移しており、厚労省の発表によれば、8月時点で12.43%にとどまっている。 「哲学系ゆーちゅーばーじゅんちゃん」こと北畑淳也氏は、早くからマイナ保険証への一本化に関するさまざまな問題に着目し、YouTube等を通じた情報発信を行ってきた。 北畑氏は、マイナ保険証への一本化の背景にある「デジタル化」が本質からずれたイデオロギーに堕していること、税金を無駄遣いして既存の有用なしくみを壊すものであること、何の価値も生まない無駄な業務により膨大な時間が浪費されていること等を指摘する。 本連載では、上記の点について、北畑氏に、政府自身が公表しているデータをはじめ、信頼性のある資料をもとに語ってもらう。 第2回は、国家公務員のマイナ保険証の利用率が低
防衛省と外務省の職員は「マイナ保険証」が“嫌い”？…自治体でもほとんど活用されず、会計検査院にも「ムダ」と烙印を押された理由とは（弁護士JPニュース） - Yahoo!ニュース
現行の保険証を廃止してマイナンバーカードに保険証の機能を統合する「マイナ保険証への一本化」が12月2日に迫っている。他方で、マイナ保険証の利用率は低調に推移しており、厚労省の発表によれば、8月時点で12.43%にとどまっている。 【画像】マイナ保険証「キャンペーン」後の8月時点でも利用率12.43%… 「哲学系ゆーちゅーばーじゅんちゃん」こと北畑淳也氏は、早くからマイナ保険証への一本化に関するさまざまな問題に着目し、YouTube等を通じた情報発信を行ってきた。 北畑氏は、マイナ保険証への一本化の背景にある「デジタル化」が本質からずれたイデオロギーに堕していること、税金を無駄遣いして既存の有用なしくみを壊すものであること、何の価値も生まない無駄な業務により膨大な時間が浪費されていること等を指摘する。 本連載では、上記の点について、北畑氏に、政府自身が公表しているデータをはじめ、信頼性のある
自民党総裁候補者に問う 「日本の官公庁のデータは中国人が作成している実態」をご存じか？（遠藤誉） - エキスパート - Yahoo!ニュース
自民党総裁候補者が14日、日本記者クラブで討論会を開催。その質疑応答は見ごたえがあった。何名かの立候補者が対中防衛策やデータの絶対的機密性を必要とするマイナンバーなどの実行を強調しておられたが、「日本の官公庁のデータのほとんどは中国人が作成している実態」をご存じだろうか？ 防衛や経済安全保障は声高に叫ばれても、誰一人、それを実行するための膨大なデータ作成を誰がやっているかに関する認識はないように（あるいは知っていても見ぬふりをしているように）見受けられた。 日本の官公庁のデータ作成に関する実態の一端を指摘し、各立候補者にネットを通して問いを投げかけたい。 ◆日本の全省庁統一資格が隠れ蓑 周知のように日本のすべての官公庁には＜全省庁統一資格＞が設けられている。このリンク先に書いてある通り、全省庁統一資格とは「各省庁における物品の製造・販売等に係る一般競争（指名競争）の入札参加資格（全省庁統一
東京都への住民訴訟を5件追加しました｜暇空茜
ひ「どうも、認知プロファイリング探偵暇空茜です」 な「助手のなるこです」 な「ずっと高崎物語とかキャッキャしてて台本サボってて！めっ！」 ひ「それはごめんなさい。でも高崎物語は本当に楽しくて・・・」 ひ「ところで東京都への住民訴訟を5件追加しました」 な「そういうことしたらちゃんと報告しなさい！カンパもらってるんでしょ！」 ひ「ごめんて、まあひと夏の壮大な物語を味わうお盆休みだったってことで」 ひ「あれ？おまえのような一般人がいるか！とか、住民訴訟件数個人枠のレコード更新ですねとかいわないの？」 な「なんかもう、なんでも起こり得るかなって」 ひ「僕も高崎物語で人間の想像力の限界を設定し直したよ」 ひ「で、今回訴えた内容は ・R4のDV事業Colabo ・R4の若年被害女性等支援事業WBPC4団体それぞれ の5件だね。住民訴訟だから先に住民監査請求をしてるわけだけど、その関係でR4DVCol
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
インド：モディはいかにして表現の自由と民主主義を殺したのか | p2ptk[.]org