Il valore più significativo di Hyperscience è l'estrazione di dati strutturati. Stiamo osservando un'elevata precisione e un alto livello di automazione, specialmente con modelli di produzione ottimizzati.
La seconda cosa che mi piace è la velocità di mappatura di ciascun campo e la semplicità di aggiungere nuovi documenti strutturati. È necessario solo un campione vuoto per aggiungerlo alla libreria di documenti. Recensione raccolta e ospitata su G2.com.
L'estrazione semi-strutturata non è fluida come quella strutturata a causa del coinvolgimento necessario degli esseri umani in più fasi. La macchina spesso ha bisogno di aiuto con la fase di classificazione dei campi e la trascrizione - questo porta a fermare il processo di estrazione in due parti.
La seconda cosa è che l'addestramento nell'estrazione semi-strutturata richiede un minimo di 400 campioni che non sono facili da ottenere. Questo richiede tempo e rende l'implementazione più lenta di quanto si aspettassero.
Infine, ma più importante - non sono disponibili funzionalità di intelligenza artificiale. Stanno rimanendo indietro rispetto a strumenti IDP simili sul mercato. Recensione raccolta e ospitata su G2.com.
