Metadaten Anreicherung

Konfiguration

Allgemein

Damit die Anreicherungsverfahren angewendet werden müssen die neuen Metadaten am Index zu den Aggregated Metadata Keys hinzugefügt werden. Zum Beispiel:

Entity Recognition

Einführung

Dieses Dokument beschäftigt sich mit dem Konzept, dem Setup und den Troubleshooting Methoden für die Konfiguration von Entity Recogntition.

Konfiguration Entity Recognition

In diesem Kapitel wird das Konzept von Entity Recognition anhand eines einfachen Beispiels erklärt.

Führen Sie zum Einrichten folgende Schritte durch:

• Verbinden Sie sich zum Management Center
• Navigieren Sie zu jenem Index, den Sie mit Entity Recognition konfigurieren möchten.
• Aktivieren Sie die Advanced Settings und öffnen Sie diesen
• Suchen Sie nach der Einstellung "Entity Recognition Parameter" im Management Center
• Definieren Sie ihre Entity Recognition Regeln im Feld pattern-rules, die Ihrem Metadatum matchen sollen.
• Folgende Regelformate werden unterstützt: https://github.com/google/re2/wiki/Syntax
• In unserem konkreten Beispiel:
  
  rule=/\// digits /\//. 
  digits=/\d+/.
  
  Erklärung
  
  Die erste Regel definiert, dass alle Zahlen zwischen zwei slashes matchen sollen (Regex).: 
  Beispiel: test/1234test1234/test/543/test (543 wird extrahiert)
• Fügen Sie nun eine neue Metadata-Definition hinzu um die Regeln für Metadaten anzuwenden
  
• In diesem Beispiel sucht Mindbreeze im String des existierenden Metadatums In the "fullstring nach Zahlen zwischen 2 Slashes.  Sind Zahlen zwischen 2 Slashes vorhanden,   dann nimmt Mindbreeze den Teil der Matches heraus der in der Subregel „digits" konfiguriert ist und schreibt diesen als String in das neue Metadataum „myextractedVal“.
  
  Beispiel: 
  fullstring: xyz/1234/herbert543/345test
  Match der Regel  “rule”: /1234/
  Wert der Regel “digits”: 1234
  Wert des Metadataums myextractedVal==1234
  
  

Hinweise zur Konfiguration im Management Center

Bei der Konfiguration als Metadatum in Mindbreeze InSpire müssen folgende Felder befüllt werden:

• If Rule Matches (=Name der Regel)
• Name (=Name des Metadatums)
• Value (=Wert der Regel {{Monat}} – kann auch normaler Text sein oder zusammengesetzt sein Bsp.: „Datum {{Tag}}.{{Monat}}.{{Jahr}}“ )
• Format (=Format der Regel „String“, „Date“, „Number“)
• Format Options (=Format Optionen – vor allem bei Datum wie bei Simpledateformat)
• In Existing Metadata (=Bereich wo die Regel angwendet wird z.B.: content, title, datasource/mes:key, <eigenesMetadatum>,…)
• Scope: Mit der Einstellung Scope ist es möglich, einen Bereich/mehrere Bereiche mit einer Entity Recognition Regel zu selektieren, in denen die Regeln für die Extraktion angewendet werden sollen. Dazu wird der Name der Regel für die Selektierung des Bereiches/der Bereiche in das Feld scope eingetragen. Im Gegensatz zur Werteextraktion müssen Sie hier den Namen ohne {{}} eingeben.

Entity Recognition (Beispiel Filesystem)

Dieses Kapitel beschäftigt sich mit der Einrichtung und Erklärung von Entity Recognition mit Mindbreeze unter Anlehnung an ein einfaches Beispiel.

Konfiguration von Entity Recognition für ein Filesystem:

Zuerst müssen die Regeln für die Extraktion angelegt werden:

host=/[^\\]+/.

share=/[^\\]+/.

directory=/[^\\]+/.

UNCPath="\\\\" host "\\" share "\\" directory "\\".

If Rule Matches: UNCPath

Name: Laufwerk

Value: {{share}}

In Existing Metadata: datasource/mes:key

If Rule Matches: UNCPath

Name: Projektpfad

Value: {{directory}}

In Existing Metadata: datasource/mes:key

Aggregated Metadata Keys (; separated)

Laufwerk;Projektpfad

Date-Formate für Entity Recognition basieren auf den ICU-Patterns (z.B. Locale … de_AT)

Konfiguration für Entity Recognition für Filesystem Pfade (Variante 2) – mit Ausnahmen:

Sind die Regeln mehrdeutig, kann über alternative Regeln und einer Reihung durch Benennung sowie die korrekte Reihung der mehrfachen Metadaten-Extraktion auch solch ein komplexer Fall erreicht werden. Der Pfad (path) als Metadatum ist lower-case und somit besser für CSV-Mapping.

Ein ODER (|) von Sub-Regeln funktioniert nicht!

> einfache Lösung ohne Ausnahme:

Pattern Rules:

LWPath=/\\\\[^\\]+\\[^\\]+\\[^\\]+\\[^\\]+/.

FilePath=/[^\\]+/.

FullPath=LWPath "\\" FilePath.

> Lösung mit einer Ausnahme (data\it):

Pattern Rules:

ASpecialPath="data\\it".

OtherPath=/[^\\]+/.

BaseShare=/\\\\[^\\]+\\[^\\]+\\[^\\]+/.

LWPathA= BaseShare "\\" ASpecialPath.

LWPathOther= BaseShare "\\" OtherPath.

FilePathA=/[^\\].*/.

FilePathOther=/[^\\].*/.

FullPathA=LWPathA "\\" FilePathA.

FullPathOther=LWPathOther "\\" FilePathOther.

Im nachstehenden Screenshot wird die Konfiguration der Regeln visualisiert.

CSV-Transform: der extrahierte Wert (fileshare) muss case-sensitive matchen, somit sollte der path als Quell-Metadatum verwendet werden.

fileshare;letter

\\fileserver.mycompany.com\qa\fstest\projekte;U:

\\fileserver.mycompany.com\qa\fstest\vorlagen;T:

\\fileserver.mycompany.com\qa\fstest\allgemein;G:

\\fileserver.mycompany.com\qa\fstest\spezial;M:

\\fileserver.mycompany.com\qa\fstest\data\it;H:

\\fileserver.mycompany.com\qa\fstest\data;H:

\\fileserver.mycompany.com\qa\fstest\data-services;H:

\\fileserver.mycompany.com\qa\fstest\allgemein-retail;G:

Match auf mes:key geht in CSV-Transformation (sowie in ER-rules) nur mit: In Property = datasource/mes:key.

Achtung: /documents-Servlet liefert keine Werte die nur über Index Re-Invert entstehen!

Troubleshooting Entity Recognition

Dieses Kapitel beschäftigt sich mit dem Troubleshooting der Entity Recognition Regeln.

Wichtige Hinweise

1. In Mindbreeze InSpire werden die regulären Ausdrücke zusätzlich mit einem „/“ umschlossen.
2. Dabei muss jeder Regeleintrag durch einen Punkt getrennt sein.
3. Regelnamen dürfen keine „_“ beinhalten
4. Regeln sind greedy (gierig – matchen so viel wie möglich Achtung bei „.*“ bzw. „.+“ Konfigurationen)
5. Regeln werden alphabetisch abgearbeitet (Groß-/Kleinschreibung beachten!)
   Zuerst kommen Großbuchstaben von A bis Z, danach Kleinbuchstaben a bis z.
6. Trifft eine Regel einen Bereich, so kann keine zweite Regel treffen Annahme: Befindet sich sowohl in Gremium als auch in Schlagwort das Wort „Vorstand“, so wird nur das  Metadatum mit der Regel „Gremium“, das Wort „Vorstand“ beinhalten
7. Entity Recognition Rules können nur pro Index, also über alle darin befindlichen Datenquellen angelegt werden.

Index

Index-Status prüfen über http://localhost:8443/index/<Indexport>/statistics

Privileged Servlets:

• Verbinden Sie sich zum Management Center
• Navigieren Sie zum Index
• Aktivieren Sie die Advanced Settings
• Öffnen Sie den Index für den Sie Entity Recognition testen möchten
• Deaktivieren Sie die Checkbox "Disable Unrestricted Privileged Servlets"
• Anschließend speichern Sie die Einstellungen und Starten Sie sie Services neu
• Nachdem die Services neugestartet sind:
  • Öffnen Sie https://yourappliance:8443/index/Indexport (In unseren Beispiel 23101/processitems) https://yourappliance:8443/index/23101/processitems
  • Auf dieser Seite können Sie die Regeln (Pattern-Rules) mit einer bestimmten Abfrage (z.B.: ALL) testen
  • Klicken Sie dazu nach dem Ausfüllen auf process. Wenn Sie Syntax der Regeln richtig ist, haben Sie nach Betätigung des Knopfes mehr Optionen zum Testen zur Verfügung.
  • Wählen Sie die Regel aus, die Sie matchen möchten und konfigurieren Sie die Werte der Regel(n).
  • Klicken Sie anschließend auf process, um das Testen der Regel(n) anzustoßen:
    
    

Deaktivierung von gierigen Verhalten der Entity Recognition Regeln

Entity Recognition Regeln sind normalerweise gierig Im folgenden Beispiel werden die markierten Zeilen gematcht:

Regel

R1=/ (?s)(test)(?P<line>.+)\s+(.*Page) /.

Match:

Wird gierig deaktiviert würde jedoch nicht mehr alles gematchet werden, sondern nur jene Blöcke die mit test beginnen und mit Page enden:

Regel:

(?U)(?s)(test)(?P<line>.+)\s+(.*Page)(?U)

Match:

Häufige Fehlerursachen

Bei folgender Fehlermeldung ist ein Fehler beim Parsen der ER-Regeln aufgetreten:

“MesQuery::Text::RE2Tokenizer ERROR: Matched empty (epsilon) token, pattern is”

… z.B. wird ein „\“ am Ende einer Regex nicht unterstützt (LWPath=/\\\\[^\\]+\\/. … liefert Fehler besser: LWPath=/\\\\[^\\]+/ “\\“.).

Eventuell kann es auch zu Problemen mit “.*“ in Regeln kommen.

Entity Recognition Rules werden in alphabetischer Reihenfolge ausgewertet und der erste vollständige Match gewinnt.

Regex-Rules nach deutschen Wörtern treffen mit \w nicht alle Zeichen (Umlaute, etc.). Stattdessen können Sie mit \pL alle Unicode-Buchstaben matchen.

Typische Anwendungsfälle

Personal Information

SVNR

RegEx

\d{4}(\s|\.|\-)\d{6}

Example

1237 010180

1237.010180

1237-010180

Telephone number

RegEx

(\+)([\s.\(\)]*\d{1}){8,13}(-)?(\d{1,5})

Example

+43 732 606162-0

+43 732 606162-609

+49(732)606162-609

Number (With delimiters)

RegEx

z1=/\d/.z2=/\d/. (…)Dlmtr=/[\s\-_.:]?/.

z1 Dlmtr z2 Dlmtr z3 Dlmtr z4 Dlmtr z5 Dlmtr z6.

Example

12-34567

12 34 56-7

1-2 3456.7

Amount

RegEx

((\d{1,3}(\.(\d){3})*)|\d*)(,\d{1,2})

Example

0,84

100.000,49

100.000,00

1.000.000.000.000,00

Datum

Handbuch zu den Datumsformaten: http://userguide.icu-project.org/formatparse/datetime

• dd(.|-|/)MM(.|-|/)yyyy
  • RegEx
    ((0[1-9])|[1-9]|([1-3][0-9]))(\.|\/|-)((0[1-9])|[1-9]|10|11|12)(\.|\/|-)((19|20)\d{2})
  • Beispiel
    11.03.2014
    11.3.2014
    3.3.2014
    03.2.2010
    11/03/2014
    11/3/2014
    3/3/2014
    03/2/2010
    11-03-2014
    11-3-2014
    3-3-2014
    03-2-2010
• dd. MMM yyyy
  • RegEx
    ((0[1-9])|[1-9]|([1-3][0-9]))\..(|Januar|Februar|März|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember).((19|20)\d{2})
  • Example
    3. Jänner 2014
    4. Februar 2012
    30. November 2013
• MMM yyyy
  • RegEx
    (Januar|Februar|März|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember).((19|20)\d{2})
  • Example
    Februar 2014
    September 2014
• MM(.|-|/)yyyy
  • RegEx
    (Januar|Februar|März|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember).((19|20)\d{2})|((0[1-9])|[1-9]|10|11|12)(\.|\/|-)((19|20)\d{2})
  • Example
    03-2014
    03.2014
    03/2014
• yyyy(.|-|/)mm(.|-|/)dd
  • RegEx
    ((19|20)\d{2})(\.|\/|-)((0[1-9])|[1-9]|10|11|12)(\.|\/|-)((([1-3][0-9]|0[1-9])|[1-9]))
  • Example
    2014-03-21

• Datums-Regex Gesamt
  ((0[1-9])|[1-9]|([1-3][0-9]))(\.|\/|-)((0[1-9])|[1-9]|10|11|12)(\.|\/|-)((19|20)\d{2})|((0[1-9])|[1-9]|([1-3][0-9]))\..(Januar|Februar|März|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember).((19|20)\d{2})|(Januar|Februar|März|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember).((19|20)\d{2})|((0[1-9])|[1-9]|10|11|12)(\.|\/|-)((19|20)\d{2})|((19|20)\d{2})(\.|\/|-)((0[1-9])|[1-9]|10|11|12)(\.|\/|-)((([1-3][0-9]|0[1-9])|[1-9]))
• Datums-Regex Gesamt II
  ((((0?[1-9]|[12]\d|3[01])[\.\-\/](0?[13578]|1[02])[\.\-\/]((1[6-9]|[2-9]\d)?\d{2}))|((0?[1-9]|[12]\d|30)[\.\-\/](0?[13456789]|1[012])[\.\-\/]((1[6-9]|[2-9]\d)?\d{2}))|((0?[1-9]|1\d|2[0-8])[\.\-\/]0?2[\.\-\/]((1[6-9]|[2-9]\d)?\d{2}))|(29[\.\-\/]0?2[\.\-\/]((1[6-9]|[2-9]\d)?(0[48]|[2468][048]|[13579][26])|((16|[2468][048]|[3579][26])00)|00)))|(((0[1-9]|[12]\d|3[01])(0[13578]|1[02])((1[6-9]|[2-9]\d)?\d{2}))|((0[1-9]|[12]\d|30)(0[13456789]|1[012])((1[6-9]|[2-9]\d)?\d{2}))|((0[1-9]|1\d|2[0-8])02((1[6-9]|[2-9]\d)?\d{2}))|(2902((1[6-9]|[2-9]\d)?(0[48]|[2468][048]|[13579][26])|((16|[2468][048]|[3579][26])00)|00))))
• Example
  31.12.2005
  12.12.12
  1.2.2003
  1.3.98
  04-05-2004

Zeit

RegEx

(([0-1]?[0-9])|([2][0-3])):([0-5]?[0-9])(:([0-5]?[0-9]))?

Example

11:00:23

12:30

Email

RegEx

([a-zA-Z0-9_\-\.]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5})

Example

david.porter@inspire.mindbreeze.com

egov@mindbreeze.com

IBAN

RegEx

AT\d{18}

Example

AT002105017000123456

Kommagetrennte Liste von Inhalten

In diesem Beispiel wird eine Liste von Inhalten getrennt mit einem Beistrich als Liste in Mindbreeze interpretiert.

Input: Liste aus Wort, Wort,

Wert=/[^\s,][^,]*[^,\s]?/.

Regel= /\s*/ value /\s*(,\s*|$)/.

Kataloganreicherung

Es werden neue Metadaten zu einem Dokument hinzugefügt. Die neuen Metadaten werden mithilfe eines „Katalogs“ (z.B. CSV-Datei) erzeugt.

Hier werden folgende Möglichkeiten beschrieben:

• Index CSV-Transformation (Funktionalität im Index bereits vorhanden)
• HierarchicalCSVEnricher (separates ItemTransformation Plugin)
• FileMetadataEnricher (separates ItemTransformation Plugin)

Index CSV-Transformation

Dieser Abschnitt beschäftigt sich mit der Anreicherung der Metadaten mithilfe eines CSV-Files. Dabei ist es möglich einen Wert eines Metadatums mit einen Wert einer bestimmten Spalte im CSV zu vergleichen. Stimmt der Wert aus dem Metadatum dem Wert aus der Spalte überein kann man den Wert einer anderen Spalte aus derselben Zeile in ein neues Metadatum schreiben und dem Resultat anfügen.

Einrichtung der CSV-Transformation

Dieses Kapitel beschäftigt sich mit der Einrichtung von CSV Transformation anhand eines konkreten Beispiels. Für die Konfiguration müssen folgende Schritte durchgeführt werden:

Verbinden sie sich zum Managementcenter ( Default: https://IhreAppliance:8443 )

Navigieren sie zum Indices Tab, aktivieren sie die Advanced Settings und Erweitern sie den gewünschten Index

Suchen sich nach der Einstellung CSV Transformation und richten sie die Funktion wie im nachstehenden Beispiel ein

 Example:

CSV File Path: Pfad des von ihnen kopierten CSV-Files am Server

If Expression Matches: Name der Spalte im CSV, die mit einem Wert eines Metadatums überein stimmen muss damit die Tranformation

In Property: Das existierende Metadatum, dass mit dem Wert aus der Spalte im CSV verglichen werden soll

Name: Name des Metadatums das den neuen angereicherten Wert enthalten soll

Value: Name der Spalte, deren Wert in das neue Metadatum „Name“ geschrieben werden soll um das Resultat damit anzureichern

Kopieren sie ein beliebiges CSV-File in das Verzeichnis /data/ auf ihre Mindbreeze InSpire

Wie funktioniert es:

Der Wert des existierenden Metadatums(medication) wird mit dem Wert aus der Spalte Medikament verglichen. Wurde eine Zeile gefunden bei der diese beiden Werte äquivalent sind, so wird der Wert aus der Spalte ATC_CODE extrahiert und dem Metadatum ATC_CODE angehängt.

Änderungen im CSV-File mittels Tabellenverarbeitungsprogramm

Bearbeiten sie das CSV mit einem Tabellenverarbeitungsprogramm, wie zum Beispiel Excel, müssen sie sicherstellen, dass das CSV nach der Bearbeitung immer noch im Format UTF8 und nicht UTF8-BOM ist.

Dies können sie mit einem beliebigen Texteditor wie zum Beispiel Notepad++ überprüfen und gegebenenfalls zurück in das Format UTF8 umwandeln.

ItemTransformer.HierarchicalCsvEnricher

Einleitung

Dieses Plugin annotiert in PDF Dokumente spezielle Wörter, die in einer CSV-Datei angegeben sind. Diese annotierten Wörter (Matches) werden in der PDF-Vorschau als klickbare Hyperlinks dargestellt. An diesen Hyperlinks können in einen Custom-Client eigene Aktionen gekoppelt werden. Beispielsweise kann bei einem Mouse-Over über ein spezielles Wort eine Erklärung als Tool Tipp eingeblendet werden. Zusätzlich kann das Plugin für Matches Metadaten generieren.

Installation

Um das Plugin zu nutzen, muss das MetadataTransformationService Plugin zu Ihrer Mindbreeze-Installation hinzugefügt werden, indem das entsprechende Plugin geladen wird.

Konfiguration

Das Plugin wird grundsätzlich als eigenständiger Service gestartet. (Ähnlich zu Caching Principal Resolution Services). In den Indices werden Referenzen auf den Service konfiguriert. Das Plugin selbst im Abschnitt Services konfiguriert:

• Aktivieren Sie das Plugin für jeden gewünschten Index mithilfe der Manager UI:
  • Wechseln Sie zum Reiter „Indices“ und aktivieren Sie „Advanced Settings“
  • Scrollen Sie runter zum Abschnitt „Services”
  • Wählen Sie das Plugin “ItemTransformationServicePlugin.HierarchicalCsvEnricher“ aus und klicken Sie auf „Add“

Grundeinstellungen

CSV Transformation Configuration

Document Exclusion Rules

Üblicherweise wird jedes Dokument im Index, welcher das Transformation Service konfiguriert hat, transformiert. Mit dieser Regel kann können allerdings gewisse Dokumente anhand von Metadaten ausgelassen werden und bleiben unverändert.

Attributes

Basierend auf Regel aus regulären Ausdrücken können bei Matches Metadaten modifiziert werden. Fügen Sie Attributes mit dem Plus-Symbol hinzu.

Index Konfiguration

Damit der Index den konfigurierten Service auch verwendet, muss in den Indexeinstellungen im Bereich „Item Transformation Services“ der Service referenziert werden. Klicken Sie dazu auf „Add“ und wählen den von Ihnen benannten Service aus.“ Es wird automatisch eine Property „launchedserviceid“ erstellt, diese brauchen Sie nicht zu ändern.

Verwendung als ContentFilter Service

Mit der Installation des MetadataTransformationService-Plugins wird auch ein Filter Plugin „FilterPlugin.HierarchicalCsvEnricher“ registriert, welches für die Erweiterung „textcatalogenricher“ aktiviert werden kann. Navigieren Sie dazu in den Einstellungen ins „Filter“-Tab. Die Konfiguration geschieht analog zum „ItemTransformer.HierarchicalCsvEnricher“-Plugin. Es müssen folgende Metadaten im Filter-Request gesetzt werden:

Aktivieren Sie die „Advanced Settings“ und fügen sie unter „Global Filter Plugin Properties“ Einstellungen für das „FilterPlugin.HierarchicalCsvEnricher – Plugin“ hinzu.

File Metadata Enricher

Dieses Kapitel beschäftigt sich mit der Verwendung des File Metadata Enrichers. Dieses Plugin ermöglicht es indizierte Dokumente (z.B.: PDF-Dateien) mit externen Quellen wie einem XML-File oder einem CSV-File anzureichern. Dabei wird in diesem Kapitel zwischen XML File Metadata Enrichment und Catalog Settings unterschieden.

Aktivierung

Der File Metadata Enricher ist als ItemTransformationService Plugin und als PostFilter Plugin verfügbar.

Als Item Transformation Service kann für ein Index Service konfiguriert werden:

Als Post Filter Plugin kann der File Metadata Enricher für ein Filter konfiguriert werden. Die Transformation passiert dann nach filtern.

XML File Metadata Enrichment

Dieser Mechanismus ist dem Mechanismus der CSV Transformation sehr ähnlich. Im Wesentlichen handelt es sich hierbei um die Möglichkeit einen Wert eines Metadatums mit dem Wert in einem XML-File zu vergleichen. Gibt es Beispielsweise in einer Datenquelle eine Datei mit Inhalten (z.B.: mindbreeze.pdf) und eine Datei die separat die Metadaten enthält (Bsp.: mindbreeze.xml), können diese in einem Resultat verschmolzen werden um den Inhalt mit den Metadaten zu verknüpfen. Dieser Mechanismus wird anhand des nachstehenden Beispiels näher erläutert:

Beispiel Konfiguration

Erklärung

File Path Source: Name eines Metadatums, welches als Quelle für die Anreicherung verwendet wird. Zum Beispiel kann ein Metadatum verwendet werden, das den Pfad des aktuellen Resultats enthält. Dies ist beim Microsoft File Connector zum Beispiel datasource/mes:key, das smb://myserver/testdaten/Content/ enthält.

File Path Pattern: Schränkt en Anwendungsbereich des Enrichers ein. Alle Resultate, deren mes:key-Werte nicht dem Regex aus File Path Pattern gleichen werden ignoriert Der Enricher wird nicht angewendet.

File Path Replacement: Hier wird jener Pfad angegeben der die Metadaten einer Datei enthält. Die Dateien müssen dabei lokal auf der Appliance liegen oder zumindest auf dieser gemountet sein. Hier ist es möglich einen matching Value des bei File Path Pattern angegebenen Regex als Variable zu referenzieren. Dabei können die matchenden Gruppen (REGEX) mit $1 aufsteigend referenziert werden (Bsp.: $1,$2,$3,..). Die Gruppe (.*) kann daher mit $1 referenziert werden. In unseren Fall wird der Name des Files aus dem aus dem String der dem File Path Pattern matched extrahiert.

Metadata Node XPath: Jeder XML Node der durch dieses XPATH gemacht wird, wird vom Enricher als ein Objekt mit Metadaten interpretiert.

Metadata Key XPath: Der String der von diesem XPATH Ausdruck gematched wird, wird vom Enricher als Name für das neue Metadatum verwendet.

Metadata Value XPath: Der String der von diesem XPATH Ausdruck gematched wird, wird vom Enricher als Wert des neuen Metadatums verwendet.

Date Format: Wird hier im Java Simple Date Format ein Format angegeben versucht der Enricher jeden String der von Metadata Value XPath gematched wird als Datum im Angegebenen Format zu interpretieren um die gesamte Funktionalität des Mindbreeze Datumformates zur Verfügung zu stellen. Ist der String nicht im angegebenen Format führt der Enricher ein Fallback durch und interpretiert den matchenden String als String.

Beispiel:

In diesem Kapitel wird anhand eines konkreten Beispiels der Enricher erläutert.

Config

XML-Datei (1.xml)

<?xml version="1.0" encoding="utf-8"?>

<Document>

<UserID>4711_12</UserID>

<DocID>PDF_4711_12_CV_001.pdf</DocID>

<DocType>CV</DocType>

</Document>

Erklärung

Für jedes Resultat das für den Index auf dem der Metadata Enricher Konfiguriert wurde wird das Metadatum datasource/mes:key falls es dem Regex aus File Path Pattern entspricht mit allen lokalen oder gemounteten Filenamen aus dem Pfad File Path Replacement verglichen. Dabei wird der Dateiname der beim File Path Pattern als Regex Gruppe definiert wurde im File Path Replacement an der Referenzstelle eingesetzt.

Beispiel:

Quelldatei: …/1.pdf File Path Replacement: …/1.xml

Stimmen die Pfade überein so wird im .xml nach dem XML-Node /<Document>/* gesucht. und alle Kind-Nodes des Knotens als relevante Information interpretiert. Der Name des Knotens wird dabei als Metadatumname des neuen zu erstellenden Metadatums interpretiert. Ist im aktuellen Kind-Node ein text() enthalten wird dieser als Wert für das neu erstelle Metadatum gesetzt und das Metadatum den aktuellen Resultat im Index angeheftet.

Beispiel:

In unserem Fall würde daher der bereits indizierten Datei 1.pdf folgende Metadaten angeheftet werden

UserID: 4711_12

DocID: PDF_4711_12_CV_001.pdf

DocType: CV

Catalog Settings

Bei diesem Mechanismus wird eine CSV-Datei wie zum Anreichern verwendet. Dabei wird wie auch bei CSV-Transformation Information aus Mindbreeze mit dem Wert einer Spalte im CSV verglichen. Im Gegensatz zu CSV Transformation kann das Metadatum zum Vergleichen nicht gewählt werden, da das Plugin aktiv im Inhalt (content) des Files nach Übereinstimmungen sucht. Eine weitere wichtige Funktion des Plugins ist die Erkennung der Negationen. Gibt es Beispielsweise die Übereinstimmung Nierenversagen, jedoch kommt in einem Text Kein Nierenversagen vor, so wird Nierenversagen als Negation in einem eigenen Metadatum am Resultat angeheftet. weiteren ermöglicht dieses Feature, dass automatische Links hinter den Treffern angeheftet und in der PDF-Vorschau visualisiert werden. Die detaillierte Funktionsweise dieser Funktion wird im nachstehenden Abschnitt erläutert.

Beispiel Konfiguration

Erklärung

Catalog File: Diese Einstellung beinhaltet den Pfad der CSV-Datei die zur Anreicherung verwendet werden soll. Die Datei muss dabei lokal auf der Mindbreeze InSpire Appliance oder auf dieser gemounted vorzufinden sein.

Catalog Match On: Diese Einstellung gibt an welche Spalte des CSV-Files mit der Information aus dem Inhalt der Resultate verglichen wird um eine Übereinstimmung zu erkennen.

Extract Metadata: In diesem Feld wird der Name des Metadatums angegeben in das der Text der Spalte Metadata Value bei Übereinstimmung eingefügt wird. Das Metadatum wird zum Resultat angeheftet.

Extract Negated Metadata: Bei dieser Einstellung legen sie den Namen des Metadatums fest das den Text der Spalte Metadata Value bei Übereinstimmung im Falle einer Negation beinhaltet. Dieses Metadatum wird dem Resultat angeheftet. Dabei muss die Übereinstimmung wie folgt erkannt werden:

Negation Prefix Pattern + Catalog Match On (String zur Übereinstimmung) + Negation Postfix Pattern

Extract Metadata Item: Dieses Metadataum enthält eine strukturierte Form des gesamten angewendeten CSVs. Dieses Metadatum ist nicht als Filter vorgesehen und dient lediglich Unterstützung für die Entwicklung von Suchanwendungen.

Metadata Value: In diesem Feld muss der Spaltenname des in der Einstellung Catalog File definierten CSVs angegeben werden. Stimmt der Wert der Spalte Catalog Match On mit dem aktuell aus dem Inhalt des Resultates verglichenen String überein, so wird der Wert der Spalte die im Feld Medata Value angegeben wird als String in das Metadatum Extract Metadata angefügt.

Link HREF Pattern: In dieser Einstellung kann ein Link mithilfe der extrahierten Metadaten zusammengebaut werden. Dieser Link ist anschließend in der PDF-Vorschau des Clients verfügbar. Dieser Link kann vom Entwickler der Suchanwendung interpretiert werden. Das Format des Links kann dabei wie folgt angegeben werden:

https://entity.mindbreeze.com/?code={{pt_code}}

Hierbei wird Anstelle des Platzhalters {{pt_code}} der tatsächlich extrahierte Wert, der Spalte pt_code aus dem CSV zur Invertierungszeit eingefügt.

Catalog ID Column: In dieser Einstellung wird festgelegt welche Spalte des CSV-Files eindeutig ist. Dies wird von Mindbreeze intern verwendet.

Sentence Split Pattern: Diese Einstellung dient dazu den Inhalt eines Satzes in Satzteile zu unterteilen. Der Enricher wird dabei nur bei jenen Satzteilen angewendet, die mit dem hier angeführten Regulären Ausdruck übereinstimmen.

Negation Prefix Pattern: Dieses Pattern gibt den Prefix (meist Text) an, der verwendet werden soll um eine Negation zu erkennen. Bei der Syntax handelt es sich auch hier wiederum um die Syntax der Regulären Ausdrücke.

Negation Postfix Pattern: Dieses Pattern gibt den Postfix (meist Text) an, der verwendet werden soll um eine Negation zu erkennen. Bei der Syntax handelt es sich auch hier wiederum um die Syntax der Regulären Ausdrücke.

Replacement Patterns: Dieses Feld ermöglicht bestimmte Vorkommnisse von Wörten, Sätzen oder Buchstaben synonym für den Enricher zu setzen. So ist es beispielsweise möglich, dass ä auch ae sein kann und ae auch ä sein kann. Die Syntax dafür ist kann im folgenden Beispiel eingesehen werden:

(?i:ä|ae)|>(ä|ae)

(?i:ae|ä)|>(ae|ä)

|>… Wird als Trennzeichen verwendet. Jede Regel muss dabei als separat in eine Zeile im Konfigurationsfeld eingeben werden.

Verwendung der neuen Metadaten

In dieser Dokumentation ist ersichtlich wie die Metadaten in der PDF-Vorschau beim Entwickeln von Suchanwendungen verwendet werden können: Development of search applications