Taranmış PDF'te metin nasıl aranır? İçerikte arama nasıl çalışır?
Taranmış bir PDF'te arama yapabilmek için önce sayfa görüntüsündeki yazının metne çevrilmesi, yani optik karakter tanıma (OCR) gerekir. Metne çevrilen belge, adı ne olursa olsun içindeki bir kelimeyle bulunur; arama sonucu da kelimenin geçtiği cümleyle gösterildiğinde doğru belgeyi açmadan tanımak mümkün olur.
Taranmış PDF ile metin PDF'in farkı nedir?
Bir bilgisayarda hazırlanıp PDF olarak kaydedilen belgede yazılar metin olarak durur: kopyalanabilir, aranabilir. Taranmış belge ise kâğıdın fotoğrafıdır. Ekranda aynı görünür, ama dosyanın içinde harfler yoktur; yalnız piksellerden oluşan bir görüntü vardır.
Bu yüzden taranmış bir sözleşmede “fesih” kelimesini aramak sonuç vermez. Arşivdeki kâğıt belgeler, imzalı sözleşmelerin taramaları, faks çıktıları ve telefonla çekilmiş belge fotoğrafları bu gruptadır. Çoğu kurumda arşivin önemli bir kısmı böyledir ve tam da bu yüzden en zor bulunan belgelerdir.
OCR nedir, nasıl çalışır?
Optik karakter tanıma, görüntüdeki harfleri tanıyıp metne çeviren işlemdir. Sayfa görüntüsü satırlara, kelimelere ve harflere ayrılır; tanınan metin belgenin aranabilir katmanı olarak saklanır.
Sonucun kalitesi taramanın kalitesine bağlıdır. Düz, temiz ve yeterli çözünürlükte taranmış sayfalar iyi okunur; eğik, gölgeli ya da çok düşük çözünürlüklü sayfalarda hatalar artar. El yazısı ve damga gibi alanlar her zaman güvenilir okunmaz.
- Sayfayı düz ve tam kadrajla tarayın; kenarları kesik sayfalar eksik okunur.
- Telefonla çekiyorsanız gölgeden ve yansımadan kaçının.
- Çok sayfalı belgeleri tek dosya olarak tarayın; ilk sayfalar en önemli bilgiyi taşır.
İçerikte arama nasıl çalışır?
İçerikte arama, belgelerin metnini önceden bir dizine yazar ve aramayı dosyaların kendisinde değil bu dizinde yapar. Bu sayede binlerce belgede arama bir saniyeden kısa sürer.
Türkçe için iki ayrıntı önemlidir. Birincisi ekler: “sözleşme” araması “sözleşmesi”ni, “sözleşmenin”i de bulmalıdır; bu yüzden kelimenin başıyla eşleşme yapılır. İkincisi büyük-küçük harf: Türkçe küçültmede “I” harfi “ı” olur, ama “IBAN” ya da “ISTANBUL” gibi yazımlar “i” ile de aranabilmelidir.
Taranmış arşivi aranabilir hâle getirmek için ne yapılmalı?
- Belgeleri metin hâlinde tutun. Bilgisayarda hazırlanan belgeyi yazdırıp taramak yerine doğrudan PDF olarak kaydedin.
- Taramaları tek yerde toplayın. Taranan belgeler kişisel klasörlerde değil, ilgili departman alanında dursun.
- Anlamlı ad verin. OCR'a rağmen dosya adı ilk arama noktasıdır; adlandırma kuralını taramalara da uygulayın.
- Eski belgeleri dizine ekleyin. Sistem öncesinden gelen belgeler için dizin bir kez tamamlansın.
- Arama sonuçlarını sınayın. Birkaç bilinen belgeyi içindeki kelimeyle arayıp bulunduğunu doğrulayın.
Aramada sık yapılan hatalar nelerdir?
- Çok kısa kelimeyle aramak: Üç harften kısa kelimeler aranmaz; daha belirgin bir kelime seçin.
- Tek kelimeyle yetinmek: Birden çok kelime yazıldığında hepsinin geçtiği belgeler bulunur; sonuç daralır ve doğru belgeye ulaşmak kolaylaşır.
- Bulunan belgenin sürümüne bakmamak: Arama, belgenin güncel sürümünün metnindedir; eski sürümdeki bir ifade için sürüm geçmişine bakın.
Örnek: bir hukuk bürosu eski dosyalarda nasıl arama yapar?
Yirmi yıllık bir hukuk bürosunun arşivinin önemli bir kısmı taranmış dilekçe, karar ve sözleşmelerden oluşur. Bir avukat, beş yıl önce benzer bir uyuşmazlıkta verilmiş bir kararı arar; dosya adını hatırlamaz, yalnız kararda geçen bir ifadeyi bilir.
Belgeler metne çevrilmemiş olsaydı, avukat ilgili olabilecek dosyaları tek tek açmak zorunda kalırdı. Metne çevrilmiş arşivde ifadeyi arama kutusuna yazar; sonuç, ifadenin geçtiği cümleyle birlikte listelenir ve doğru karar dakikalar içinde bulunur.
Aynı arama bir yanlışı da önler: avukat bulduğu kararın en güncel hâline baktığından emin olmak ister; arama belgenin güncel sürümünde yapıldığı için eski bir taslak sonuç olarak gelmez.
Arşivi aranabilir hâle getirmek için kontrol listesi
- Yeni belgeler mümkünse metin olarak kaydediliyor, gereksiz yere taranmıyor.
- Taramalar düz, temiz ve yeterli çözünürlükte yapılıyor.
- Taranan belgeler kişisel klasörlerde değil, departman alanında duruyor.
- Eski belgeler içerik dizinine eklendi.
- Birkaç bilinen belge içindeki kelimeyle aranarak sonuçlar sınandı.
İçerikte arama neden yetki kurallarına uymalı?
Bir belgenin adını gizlemek yetmez; içeriği de aranabiliyorsa, arama sonucu belgeyi göremeyen birine içeriğinden bir cümle gösterebilir. Bu, maaş bordrosu ya da disiplin dosyası gibi hassas belgelerde ciddi bir sızıntı demektir.
Bu yüzden içerikte arama, dosya listesiyle aynı yetki kurallarına uymalıdır: kişi bir belgeyi listede göremiyorsa, aramada da görmemelidir. Kısıtlı klasörlerdeki belgeler için de aynı kural geçerlidir.
Taranmış arşivden kim sorumlu olmalı?
Arşivin aranabilir olması, belgeyi tarayan ve kaydeden kişinin alışkanlıklarına bağlıdır. Her departman kendi belgelerini doğru alana, anlamlı adla ve okunur kalitede kaydetmekten sorumludur. Sistem yöneticisi ise eski belgelerin dizine eklenmesini ve yetki kurallarının doğru kurulmasını sağlar.
Arama sonuçlarının güvenilirliği düzenli sınamayla korunur: birkaç bilinen belge zaman zaman içindeki kelimeyle aranır, bulunamayan belge varsa taramanın kalitesine ya da kaydedildiği yere bakılır.
Yeni bir tarayıcı ya da tarama ayarı seçilirken de arama göz önünde tutulmalıdır: siyah beyaz ve yeterli çözünürlükte taranmış sayfalar hem daha küçük dosyalar üretir hem de daha iyi okunur.
SmartFiles bunu nasıl çözer?
SmartFiles'ta yüklenen belgelerin metni içerik dizinine kendiliğinden yazılır. Metin katmanı olan PDF, Word, Excel ve metin dosyaları doğrudan okunur. Metin katmanı olmayan taranmış PDF'lerin ilk 10 sayfası, yapay zekâ açıkken belge analiziyle birlikte görüntü analiziyle okunur; PNG, JPG, GIF ve WebP görseller de görüntü analiziyle değerlendirilir.
Arama kutusuna en az üç harflik bir kelime yazıldığında dosya listesinin üstünde İçerikte geçen belgeler bölümü açılır. Sonuçlar okuma yetkiniz olan bütün alanlardan gelir ve kelimenin geçtiği cümleyle gösterilir; kısıtlı klasörlerdeki belgeler yetkisi olmayana gösterilmez. Ekler de eşleşir, birden çok kelime yazıldığında hepsinin geçtiği belgeler bulunur; büyük “I” ile yazılan kelimeler ve “ornek.com” gibi noktalı ifadeler de aranabilir.
Arama her zaman belgenin güncel sürümünün metnindedir. Daha önce yüklenmiş belgeler için kurum yöneticisi ayarlardaki Belge içeriğinde arama bölümünden dizini tek düğmeyle tamamlar; bu işlem yalnız metin okur ve yapay zekâ kullanımına dahil olmaz.
Yapay zekâ ile belge analiziBelgelerin içinde aramakBelge içeriği dizinini tamamlamakYapay zekâ özetini okumak ve analiz ettirmek
