精选理由
这篇论文演示了用DeepSeek R1从杂乱文档里提取表格数据，效果不错，做房产数据或文档处理的人可以看看。
该论文提出端到端管道，用于从房地产问卷文档中提取结构化数据。管道将文档分为三类：text_only、scanned和special_char，使用DeepSeek R1从合格文档中提取35个属性。在3965份文档上测试，2781份成功处理，产生2766条唯一记录。余弦相似度匹配Jaccard得分为0.82，K-Means聚类轮廓系数0.2088。
AI 翻译 · 中文
该论文提出端到端管道，用于从房地产问卷文档中提取结构化数据。管道将文档分为三类：text_only、scanned和special_char，使用DeepSeek R1从合格文档中提取35个属性。在3965份文档上测试，2781份成功处理，产生2766条唯一记录。余弦相似度匹配Jaccard得分为0.82，K-Means聚类轮廓系数0.2088。
Real estate property listings expose structured metadata through the API. Still, the richest property-level information (i.e., legal status, structural condition, utility supplies, heating systems) sits in attached quest…