User:Jujizhiwang/MinerU

您提交的内容很可能并不适合维基百科。在2024年12月20日由Talimu0518 (留言)审阅。

维基百科不是发表原创研究或创新理念的场所，您已经进行了多次提交，却仍未成功通过第二手的可靠来源来显示其非原创研究性。如果在初級研究之中獲得成果，請於其他場所，例如論文期刊、其他紙本形式、開放研究或網上出版物發表。維基百科會等到一項研究獲得發表，得到同行評審及公認為知識以後，才記載此項研究。

如果您确实发表原创研究，仍然欢迎您到维基百科的姊妹项目维基学院。

宣传语气较强烈，维基百科不是宣传工具，无论是对公司、產品、个人还是观点介绍的條目，必須客觀且不偏頗及避免宣傳語調。所有條目都必須附有獨立第三方來源以備查證。

另请参见Wikipedia:如何介绍自己的公司和公开利益冲突

在2024年12月20日由Talimu0518 (留言)审阅。最后由Talimu0518于10天前编辑。

求助

您所提交的草稿仍需改善。在2024年12月19日由Talimu0518 (留言)审阅。

宣传语气较强烈，维基百科不是宣传工具，无论是对公司、產品、个人还是观点介绍的條目，必須客觀且不偏頗及避免宣傳語調。所有條目都必須附有獨立第三方來源以備查證。

另请参见Wikipedia:如何介绍自己的公司和公开利益冲突

如何改善您的草稿

Wikipedia:參與貢獻 – 如何编辑维基百科的基本概述。
Help:Wiki標記式語言 – 如何使用标记语言
Help:如何引用来源 – 如何引用参考文献
Wikipedia:改進條目 – 如何改进您的条目
Wikipedia:更优秀条目写作指南 – 如何进一步改善您的条目
Wikipedia:可供查證 – 确保您的条目引用了可靠的第三方来源
来源搜索：“"MinerU"”——Google：网页、新闻、学术、图书、图片；百度：网页、新闻、学术、图片；知网工具书；JSTOR；维基百科图书馆Report

在2024年12月19日由Talimu0518 (留言)审阅。 ·

您所提交的草稿仍需改善。在2024年12月19日由Kanshui0943 (留言)审阅。

宣传语气较强烈，维基百科不是宣传工具，无论是对公司、產品、个人还是观点介绍的條目，必須客觀且不偏頗及避免宣傳語調。所有條目都必須附有獨立第三方來源以備查證。

另请参见Wikipedia:如何介绍自己的公司和公开利益冲突

如何改善您的草稿

Wikipedia:參與貢獻 – 如何编辑维基百科的基本概述。
Help:Wiki標記式語言 – 如何使用标记语言
Help:如何引用来源 – 如何引用参考文献
Wikipedia:改進條目 – 如何改进您的条目
Wikipedia:更优秀条目写作指南 – 如何进一步改善您的条目
Wikipedia:可供查證 – 确保您的条目引用了可靠的第三方来源
来源搜索：“"MinerU"”——Google：网页、新闻、学术、图书、图片；百度：网页、新闻、学术、图片；知网工具书；JSTOR；维基百科图书馆Report

在2024年12月19日由Kanshui0943 (留言)审阅。 ·

您所提交的草稿仍需改善。在2024年12月8日由MilkyDefer (留言)审阅。

条目中很少或者没有独立于主题实体的可靠来源，只有具备足够关注度的条目才会被维基百科收录。如果一个主题得到了可靠来源的有效介绍，而且这些来源独立于主题实体，则可假定该主题或符合独立条目的收录标准。

“可靠来源”：包括但不限于媒体报道、学术文献、书籍等。满足关注度要求的来源，应该是第二手来源（二次文献），并且能经得起可靠来源指引对关注度进行的可供查证性评定，多方来源会更受欢迎。
“独立于主题实体”：自我宣传、广告、自身发表的个人出版物、自传、新闻稿等均不算在内。
“有效介绍”：来源直接、详细講解了主题的实体，而非仅仅是顺带提及，编者无需通过原创研究来发掘条目的内容。

需要补充更多的可靠来源，维基百科需要以具有公信力的出版者记录或发表過的事件、主張、理論、概念、意見和論證作为编写依據，使得内容符合可供查证的方针。请多使用第二手来源（二次文献），并且能经得起可靠来源指引对关注度进行的可供查证性评定，多方来源会更受欢迎。如果您在如何添加来源上存在困难，请参见帮助:如何引用来源。

如何改善您的草稿

Wikipedia:參與貢獻 – 如何编辑维基百科的基本概述。
Help:Wiki標記式語言 – 如何使用标记语言
Help:如何引用来源 – 如何引用参考文献
Wikipedia:改進條目 – 如何改进您的条目
Wikipedia:更优秀条目写作指南 – 如何进一步改善您的条目
Wikipedia:可供查證 – 确保您的条目引用了可靠的第三方来源
来源搜索：“"MinerU"”——Google：网页、新闻、学术、图书、图片；百度：网页、新闻、学术、图片；知网工具书；JSTOR；维基百科图书馆Report

在2024年12月8日由MilkyDefer (留言)审阅。 ·

您所提交的草稿仍需改善。在2024年11月26日由S8321414 (留言)审阅。

条目中很少或者没有独立于主题实体的可靠来源，只有具备足够关注度的条目才会被维基百科收录。如果一个主题得到了可靠来源的有效介绍，而且这些来源独立于主题实体，则可假定该主题或符合独立条目的收录标准。

“可靠来源”：包括但不限于媒体报道、学术文献、书籍等。满足关注度要求的来源，应该是第二手来源（二次文献），并且能经得起可靠来源指引对关注度进行的可供查证性评定，多方来源会更受欢迎。
“独立于主题实体”：自我宣传、广告、自身发表的个人出版物、自传、新闻稿等均不算在内。
“有效介绍”：来源直接、详细講解了主题的实体，而非仅仅是顺带提及，编者无需通过原创研究来发掘条目的内容。

过于依赖第一手来源，即非常接近于事件本身的来源。请补充更多可靠的、第三方的、公开的来源。

如何改善您的草稿

Wikipedia:參與貢獻 – 如何编辑维基百科的基本概述。
Help:Wiki標記式語言 – 如何使用标记语言
Help:如何引用来源 – 如何引用参考文献
Wikipedia:改進條目 – 如何改进您的条目
Wikipedia:更优秀条目写作指南 – 如何进一步改善您的条目
Wikipedia:可供查證 – 确保您的条目引用了可靠的第三方来源
来源搜索：“"MinerU"”——Google：网页、新闻、学术、图书、图片；百度：网页、新闻、学术、图片；知网工具书；JSTOR；维基百科图书馆Report

在2024年11月26日由S8321414 (留言)审阅。 ·

您所提交的草稿仍需改善。在2024年11月25日由姆汗費焰 (留言)审阅。

請勿將外部連結放置於正文中

如何改善您的草稿

Wikipedia:參與貢獻 – 如何编辑维基百科的基本概述。
Help:Wiki標記式語言 – 如何使用标记语言
Help:如何引用来源 – 如何引用参考文献
Wikipedia:改進條目 – 如何改进您的条目
Wikipedia:更优秀条目写作指南 – 如何进一步改善您的条目
Wikipedia:可供查證 – 确保您的条目引用了可靠的第三方来源
来源搜索：“"MinerU"”——Google：网页、新闻、学术、图书、图片；百度：网页、新闻、学术、图片；知网工具书；JSTOR；维基百科图书馆Report

在2024年11月25日由姆汗費焰 (留言)审阅。 ·

点评：下述問題未解決 Kanshui0943（留言） 2024年12月19日 (四) 09:07 (UTC)

点评：虽然加了来源了，但是加了一堆Twit……呃不对，X来源，让人很难信服。唯一一个像样的来源，中国证券报，内容跟这个MinerU一点关系都没有。文章写得也像是买微信公众号推送时给对方供的稿。 Milky Defer 2024年12月8日 (日) 16:23 (UTC)

MinerU全称PDF文档数据转换器，是由上海人工智能实验室OpenDataLab团队开发的PDF文档数据提取的程序，2024年7月在Github开源，允许公众下载、部署、使用该工具。^[1]

该程序核心部分是PDF-Extract-Kit模型库^[2]^[3]，原理是识别 PDF 版面中的图片、文字（OCR识别）、公式、表格、脚注、目录等元素，整理成机器可读的markdown、json格式^[4] 。它的架构依赖于自然语言处理 (NLP) 和机器学习 (ML) 技术来有效地提取和组织数据。^[5]^[6] 该工具被认为可应用在RAG（Retrieval-Augmented Generation，检索增强生成）人工智能技术中，提取学术文献、财务报告、法律文件、电子书籍等专业文档数据，适用于打造个人私有的知识AI引擎场景。^[7]^[8]；不过也有反馈认为，其表格提取功能还有待优化，一些特殊的表格样式，提取效果还不够让人满意。^[9]

发展历程

2024年7月4日，世界人工智能大会WAIC 2024科学前沿主论坛上^[10]，上海人工智能实验室（上海AI实验室）大模型数据基座OpenDataLab团队宣布在Github开源MinerU。^[11]

2024年12月19日，MinerU Github star超过2.1万。（如图）

PDF Document Extraction Open Source Tools Star Comparison

参考资料

^ State-of-the-Art. MinerU: Open-Source AI Solution Significantly Boosts Document Extraction Accuracy. neurohive. [2024.09.30] （英语）.
^ Nikos Kafritsas. Just came across 𝐏𝐃𝐅-𝐄𝐱𝐭𝐫𝐚𝐜𝐭-𝐊𝐢𝐭, an open-source tool that tags and extracts every kind of data from a PDF. Linkedin. [2024.07.19] （英语）.
^ Python Trending. PDF-Extract-Kit - A Comprehensive Toolkit for High-Quality PDF Content Extraction. X. [2024.11.10] （英语）.
^ Pankaj. MinerU: High-Quality PDF Conversion for the AI Era. Medium. [2024.12.1] （英语）.
^ Pragati Jhunjhunwala. MinerU: An Open-Source PDF Data Extraction Tool. MarktechPost. [2024.10.5] （英语）.
^ 顶层架构领域. MinerU一款全能、开源的文档与网页数据提取工具. 今日头条. 2024.09.13 [2024.09.13] （中文）. https://www.51cto.com/article/796972.html
^ Fahd Mirza. MinerU - High-Quality Local PDF Extraction with AI - Dataset Creation Helper. YouTube. [2024.08.23] （英语）.
^ VlogleGuide. 非構造化データを宝に変える：MinerUと生成AIの威力. note. [2024.09.02] （日语）.
^ kun432. PDFを読みやすいフォーマットに変換する「MinerU」を試す. zenn. [2024.11.26] （日语）.
^ AIbase基地. 上海人工智能实验室开源智能数据提取工具——MinerU. AI新闻资讯. [2024.09.03] （中文）.
^ meng shao. MinerU 是一个一站式、开源、高质量的数据提取工具，由 OpenDataLab 开源. X. [2024.7.11] （中文）.

[1] State-of-the-Art. MinerU: Open-Source AI Solution Significantly Boosts Document Extraction Accuracy. neurohive. [2024.09.30] （英语）.

[2] Nikos Kafritsas. Just came across 𝐏𝐃𝐅-𝐄𝐱𝐭𝐫𝐚𝐜𝐭-𝐊𝐢𝐭, an open-source tool that tags and extracts every kind of data from a PDF. Linkedin. [2024.07.19] （英语）.

[3] Python Trending. PDF-Extract-Kit - A Comprehensive Toolkit for High-Quality PDF Content Extraction. X. [2024.11.10] （英语）.

[4] Pankaj. MinerU: High-Quality PDF Conversion for the AI Era. Medium. [2024.12.1] （英语）.

[5] Pragati Jhunjhunwala. MinerU: An Open-Source PDF Data Extraction Tool. MarktechPost. [2024.10.5] （英语）.

[6] 顶层架构领域. MinerU一款全能、开源的文档与网页数据提取工具. 今日头条. 2024.09.13 [2024.09.13] （中文）. https://www.51cto.com/article/796972.html

[7] Fahd Mirza. MinerU - High-Quality Local PDF Extraction with AI - Dataset Creation Helper. YouTube. [2024.08.23] （英语）.

[8] VlogleGuide. 非構造化データを宝に変える：MinerUと生成AIの威力. note. [2024.09.02] （日语）.

[9] un432. PDFを読みやすいフォーマットに変換する「MinerU」を試す. zenn. [2024.11.26] （日语）.

[10] AIbase基地. 上海人工智能实验室开源智能数据提取工具——MinerU. AI新闻资讯. [2024.09.03] （中文）.

[11] shao. MinerU 是一个一站式、开源、高质量的数据提取工具，由 OpenDataLab 开源. X. [2024.7.11] （中文）.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]