От OCR к смыслу: как мы научили модель понимать, кто кому отец, мать, жених и свидетель

Дата публикации: 27-05-2026 07:01:14

В 2023 году мы рассказывали, как в Поиске по архивам появилось распознавание рукописных документов и почему сама по себе расшифровка архивного текста — нетривиальная задача. Старые почерки, сложная вёрстка, нестандартные формулировки и огромное разнообразие источников делают архивы трудным доменом даже для сильных OCR‑моделей. По мере развития сервиса стало ясно, что одной только расшифровки недостаточно: чтобы действительно помогать пользователям находить своих родственников, нужно не просто видеть слова на скане, а понимать, кто именно упомянут в записи, в какой роли и как связан с другими людьми.Теперь в Поиске по архивам работает новая модель распознавания документов. Она не только распознаёт текст архивного файла, но и структурирует информацию из него. Например, понимает роли и связи между разными людьми: «родившийся», «отец» и «мать» для рождения или «жених», «невеста», «свидетель» для брака. Меня зовут Даша Виноградова, я руковожу универсальными применениями компьютерного зрения в Яндексе. Вместе с Аней Сидоровой, главным разработчиком распознавания архивов, мы расскажем, как мы сделали шаг от распознавания текста к извлечению структуры и смысла из архивных документов: как мы перестраивали OCR‑пайплайн, почему нам не подошли универсальные VLM‑модели и как пытались разобраться, кто есть кто: отец, мать, жених или свидетель. Читать далее

Схожие новости

#	Наименование новости	Тональность	Информативность	Дата публикации
1	Как мы описали 15 000 таблиц за полгода вместо 500 за год — и перестали писать документацию руками	0	9.77	29-07-2026
2	Как мы научили реляционую базу хранить оргструктуру в виде графа на 500к пользователей	0	9.38	23-06-2026
3	От баз данных до инструментов для ИИ‑экосистем: проекты, которые получили гранты Yandex Open Source	0	8.72	28-05-2026
4	Помочь пользователю открыть новое: как мы боролись с замкнутым кругом рекомендаций в Яндекс Лавке	0	7.74	07-07-2026
5	Копаться в древности, найти родственников, получить дом. Как люди в России ищут предков	0	0	07-04-2021
6	Как мы научили реляционую базу хранить оргструктуру в виде графа на 500к пользователей	0	8	23-06-2026
7	Погружаем модели в сказки русские, да рассказы древние – тестируем возможности Qwen и Whisper на дореволюционномъ	0	7	24-06-2026
8	Вайб-кодинг без розовых очков: как я писала свой продукт с Claude	2	6	08-07-2026
9	984 из 1000 паспортов без ошибок: разбираем точность ИИ	0	7	26-06-2026

Классификация: Наука. Схожих патентов: 0. Схожих новостей: 9. Тональность: 0. Информативность: 7.57. Источник: habr.com.