Saltar al contenido principal

​
Docling

Para ajustar finamente los recursos de la máquina y poder usar todos los recursos de la máquina en el proceso de ingesta, proporcionamos la siguiente configuración para configurar según la máquina:

​
Configuración de Rendimiento

  1. Número de workers: Esta es la configuración que determina cuántos workers tendrá Docling. Recomendamos dejarlo en 2, donde 1 worker procesará archivos grandes y el otro procesará archivos más pequeños.
  2. Número de threads: Esta configuración se usará para limitar la capacidad que nuestro servicio de extracción interno usará. Considera que este número debe ser menor al máximo de núcleos que tiene la máquina.
Importante: El número de threads debe ser divisible por el número de workers. En caso de que quieras probar y mejorar el rendimiento, considera configurar como: 
external:
  docling:
    numWorkers: M
    numThreads: N

​
Configuración Opcional

  1. Modo de tabla: Controla la estrategia de extracción de tablas:
    • accurate: Máxima precisión para tablas complejas. Mayor tiempo de procesamiento. Opción por defecto.
    • fast: Optimizado para velocidad con buena precisión. Menor tiempo de procesamiento.
    • none: Deshabilita la extracción de tablas. Sin tiempo de procesamiento.
  2. Hacer coincidencia de celdas: Habilita la coincidencia de celdas de tabla para mejorar el reconocimiento de estructura. Recomendado para tablas complejas. Por defecto es true.
  3. Forzar OCR de página completa: Fuerza el procesamiento OCR en páginas completas en lugar de regiones selectivas. Usa cuando la extracción estándar pierde contenido. Esto aumentará significativamente el tiempo de procesamiento. Por defecto es false. 
external:
  docling:
    tableMode: "accurate"
    doCellMatching: true
    forceFullPageOCR: false