バージョン間差分で差が出るときのOCR対策

ジーニアルAIおよびジーニアルAI開示チェックは、対象とした資料の状態によってOCR処理実行の是非が決まります。

OCR処理が実行される・されない条件

• OCR処理が実行される場合：紙資料をスキャンした画像ベースのPDFファイル
• OCR処理が実行されない場合：システムが出力した文字が埋め込まれたPDFファイル（埋め込まれた文字情報を利用）

OCR処理の有無による差異の発生

旧バージョンと新バージョンのうち、一方でOCR処理が実行され、もう一方で実行されない場合、OCR処理の有無に起因するバージョン間差異が発生します。

例：

• 文字が埋め込まれたPDFでは金額が「全角数値」として認識
• 画像ベースのPDFではOCR処理により「半角数値」として認識

このように半角・全角の違いなどが原因で、不要な差分が大量に検出されることがあります。その結果、差分のレビューに多くの時間がかかってしまいます。

差異を抑える方法

1. 方法①：文字が埋め込まれたPDF同士で比較する（推奨）
   1. 紙資料をスキャンした画像ベースのPDFの代わりとなる、システムが同じ内容を出力した文字が埋め込まれたPDFを再取得します。
   2. これにより、文字が埋め込まれたPDF同士の比較が可能となり、本来の差分のみを効率的に検出できます。
2. 方法②：PDFの再取得が難しい場合
   1. 文字が埋め込まれたPDFファイルを一度印刷し、スキャンして画像ベースのPDFに変換します。
   2. この方法では、OCR処理された結果同士を比較できるため、半角・全角などの差異をある程度減らすことができます。

※ 方法②ではOCR処理に起因する差異を完全にゼロにはできませんので、方法②よりも方法①が推奨されます。