使用者:Jujizhiwang/MinerU

您提交的內容很可能並不適合維基百科。在2024年12月20日由Talimu0518 (留言)審閱。

維基百科不是發表原創研究或創新理念的場所，您已經進行了多次提交，卻仍未成功通過第二手的可靠來源來顯示其非原創研究性。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。

如果您確實發表原創研究，仍然歡迎您到維基百科的姊妹項目維基學院。

宣傳語氣較強烈，維基百科不是宣傳工具，無論是對公司、產品、個人還是觀點介紹的條目，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。

另請參見Wikipedia:如何介紹自己的公司和公開利益衝突

在2024年12月20日由Talimu0518 (留言)審閱。最後由Talimu0518於13天前編輯。

求助

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

宣傳語氣較強烈，維基百科不是宣傳工具，無論是對公司、產品、個人還是觀點介紹的條目，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。

另請參見Wikipedia:如何介紹自己的公司和公開利益衝突

如何改善您的草稿

Wikipedia:參與貢獻 – 如何編輯維基百科的基本概述。
Help:Wiki標記式語言 – 如何使用標記語言
Help:如何引用來源 – 如何引用參考文獻
Wikipedia:改進條目 – 如何改進您的條目
Wikipedia:更優秀條目寫作指南 – 如何進一步改善您的條目
Wikipedia:可供查證 – 確保您的條目引用了可靠的第三方來源
來源搜尋：「"MinerU"」——Google：網頁、新聞、學術、圖書、圖片；百度：網頁、新聞、學術、圖片；知網工具書；JSTOR；維基百科圖書館Report

在2024年12月19日由Talimu0518 (留言)審閱。 ·

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

宣傳語氣較強烈，維基百科不是宣傳工具，無論是對公司、產品、個人還是觀點介紹的條目，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。

另請參見Wikipedia:如何介紹自己的公司和公開利益衝突

如何改善您的草稿

Wikipedia:參與貢獻 – 如何編輯維基百科的基本概述。
Help:Wiki標記式語言 – 如何使用標記語言
Help:如何引用來源 – 如何引用參考文獻
Wikipedia:改進條目 – 如何改進您的條目
Wikipedia:更優秀條目寫作指南 – 如何進一步改善您的條目
Wikipedia:可供查證 – 確保您的條目引用了可靠的第三方來源
來源搜尋：「"MinerU"」——Google：網頁、新聞、學術、圖書、圖片；百度：網頁、新聞、學術、圖片；知網工具書；JSTOR；維基百科圖書館Report

在2024年12月19日由Kanshui0943 (留言)審閱。 ·

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

條目中很少或者沒有獨立於主題實體的可靠來源，只有具備足夠關注度的條目才會被維基百科收錄。如果一個主題得到了可靠來源的有效介紹，而且這些來源獨立於主題實體，則可假定該主題或符合獨立條目的收錄標準。

「可靠來源」：包括但不限於媒體報道、學術文獻、書籍等。滿足關注度要求的來源，應該是第二手來源（二次文獻），並且能經得起可靠來源指引對關注度進行的可供查證性評定，多方來源會更受歡迎。
「獨立於主題實體」：自我宣傳、廣告、自身發表的個人出版物、自傳、新聞稿等均不算在內。
「有效介紹」：來源直接、詳細講解了主題的實體，而非僅僅是順帶提及，編者無需通過原創研究來發掘條目的內容。

需要補充更多的可靠來源，維基百科需要以具有公信力的出版者記錄或發表過的事件、主張、理論、概念、意見和論證作為編寫依據，使得內容符合可供查證的方針。請多使用第二手來源（二次文獻），並且能經得起可靠來源指引對關注度進行的可供查證性評定，多方來源會更受歡迎。如果您在如何添加來源上存在困難，請參見幫助:如何引用來源。

如何改善您的草稿

Wikipedia:參與貢獻 – 如何編輯維基百科的基本概述。
Help:Wiki標記式語言 – 如何使用標記語言
Help:如何引用來源 – 如何引用參考文獻
Wikipedia:改進條目 – 如何改進您的條目
Wikipedia:更優秀條目寫作指南 – 如何進一步改善您的條目
Wikipedia:可供查證 – 確保您的條目引用了可靠的第三方來源
來源搜尋：「"MinerU"」——Google：網頁、新聞、學術、圖書、圖片；百度：網頁、新聞、學術、圖片；知網工具書；JSTOR；維基百科圖書館Report

在2024年12月8日由MilkyDefer (留言)審閱。 ·

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

條目中很少或者沒有獨立於主題實體的可靠來源，只有具備足夠關注度的條目才會被維基百科收錄。如果一個主題得到了可靠來源的有效介紹，而且這些來源獨立於主題實體，則可假定該主題或符合獨立條目的收錄標準。

「可靠來源」：包括但不限於媒體報道、學術文獻、書籍等。滿足關注度要求的來源，應該是第二手來源（二次文獻），並且能經得起可靠來源指引對關注度進行的可供查證性評定，多方來源會更受歡迎。
「獨立於主題實體」：自我宣傳、廣告、自身發表的個人出版物、自傳、新聞稿等均不算在內。
「有效介紹」：來源直接、詳細講解了主題的實體，而非僅僅是順帶提及，編者無需通過原創研究來發掘條目的內容。

過於依賴第一手來源，即非常接近於事件本身的來源。請補充更多可靠的、第三方的、公開的來源。

如何改善您的草稿

Wikipedia:參與貢獻 – 如何編輯維基百科的基本概述。
Help:Wiki標記式語言 – 如何使用標記語言
Help:如何引用來源 – 如何引用參考文獻
Wikipedia:改進條目 – 如何改進您的條目
Wikipedia:更優秀條目寫作指南 – 如何進一步改善您的條目
Wikipedia:可供查證 – 確保您的條目引用了可靠的第三方來源
來源搜尋：「"MinerU"」——Google：網頁、新聞、學術、圖書、圖片；百度：網頁、新聞、學術、圖片；知網工具書；JSTOR；維基百科圖書館Report

在2024年11月26日由S8321414 (留言)審閱。 ·

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)審閱。

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 – 如何編輯維基百科的基本概述。
Help:Wiki標記式語言 – 如何使用標記語言
Help:如何引用來源 – 如何引用參考文獻
Wikipedia:改進條目 – 如何改進您的條目
Wikipedia:更優秀條目寫作指南 – 如何進一步改善您的條目
Wikipedia:可供查證 – 確保您的條目引用了可靠的第三方來源
來源搜尋：「"MinerU"」——Google：網頁、新聞、學術、圖書、圖片；百度：網頁、新聞、學術、圖片；知網工具書；JSTOR；維基百科圖書館Report

在2024年11月25日由姆汗費焰 (留言)審閱。 ·

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

點評：雖然加了來源了，但是加了一堆Twit……呃不對，X來源，讓人很難信服。唯一一個像樣的來源，中國證券報，內容跟這個MinerU一點關係都沒有。文章寫得也像是買微信公眾號推送時給對方供的稿。 Milky Defer 2024年12月8日 (日) 16:23 (UTC)

MinerU全稱PDF文檔數據轉換器，是由上海人工智慧實驗室OpenDataLab團隊開發的PDF文檔數據提取的程序，2024年7月在Github開源，允許公眾下載、部署、使用該工具。^[1]

該程序核心部分是PDF-Extract-Kit模型庫^[2]^[3]，原理是識別 PDF 版面中的圖片、文字（OCR識別）、公式、表格、腳註、目錄等元素，整理成機器可讀的markdown、json格式^[4] 。它的架構依賴於自然語言處理 (NLP) 和機器學習 (ML) 技術來有效地提取和組織數據。^[5]^[6] 該工具被認為可應用在RAG（Retrieval-Augmented Generation，檢索增強生成）人工智慧技術中，提取學術文獻、財務報告、法律文件、電子書籍等專業文檔數據，適用於打造個人私有的知識AI引擎場景。^[7]^[8]；不過也有反饋認為，其表格提取功能還有待優化，一些特殊的表格樣式，提取效果還不夠讓人滿意。^[9]

發展歷程

2024年7月4日，世界人工智慧大會WAIC 2024科學前沿主論壇上^[10]，上海人工智慧實驗室（上海AI實驗室）大模型數據基座OpenDataLab團隊宣布在Github開源MinerU。^[11]

2024年12月19日，MinerU Github star超過2.1萬。（如圖）

PDF Document Extraction Open Source Tools Star Comparison

參考資料

^ State-of-the-Art. MinerU: Open-Source AI Solution Significantly Boosts Document Extraction Accuracy. neurohive. [2024.09.30] （英語）.
^ 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] （英語）.
^ Python Trending. PDF-Extract-Kit - A Comprehensive Toolkit for High-Quality PDF Content Extraction. X. [2024.11.10] （英語）.
^ Pankaj. MinerU: High-Quality PDF Conversion for the AI Era. Medium. [2024.12.1] （英語）.
^ Pragati Jhunjhunwala. MinerU: An Open-Source PDF Data Extraction Tool. MarktechPost. [2024.10.5] （英語）.
^ 頂層架構領域. MinerU一款全能、开源的文档与网页数据提取工具. 今日頭條. 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] （英語）.
^ 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] （日語）.
^ 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] （日語）.
^ AIbase基地. 上海人工智能实验室开源智能数据提取工具——MinerU. AI新聞資訊. [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] （英語）.

[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] （英語）.

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

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

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

[6] 頂層架構領域. MinerU一款全能、开源的文档与网页数据提取工具. 今日頭條. 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] （英語）.

[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] （日語）.

[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] （日語）.

[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新聞資訊. [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]