- 문서 내 다양한 구성 요소가 어떤 논리적 관계를 맺고 있는지, 의미와 맥락을 어떻게 형성하는지를 분석하는 기술
- 문서 구성 분석(DLA)이 생김새를 분석한다면 문서 구조 분석(DSA)은 요소 간 맥락과 의미를 분석
- 계약서, 청구서, 보고서 등 대량 문서를 처리해야 하는 법률, 금융, 의료 분야에서 핵심적으로 활용
- 프로세스는 문서 구성 분석 → 논리적 구조 분석 → 의미적 관계 분석 → 결과물 후처리 순으로 이어짐
논리적 구조 분석 : 제목-본문 구조, 본문-표 연결성 등 요소 간 관계를 파악하고, 섹션/하위 섹션/문단 간 계층 구조를 분석
의미적 관계 분석 : Hugging Face Transformers 같은 NLP 기술로 텍스트 요소들 간의 의미적 관계를 분석. 개체명 인식(NER)으로 키워드, 이름, 참조 관계를 파악
결과물 후처리 및 데이터 구조화 : Apache Spark/Pandas로 데이터를 정제하고 MySQL/PostgreSQL에 저장. 데이터가 방대하거나 복잡한 쿼리가 필요하면 Amazon Redshift/Google BigQuery 같은 데이터웨어하우스를 활용
소프트웨어 아키텍처 : Apache NiFi로 문서 자동 수집 및 데이터 파이프라인 구축, Tesseract OCR로 텍스트 추출, LayoutParser로 레이아웃 분석, Hugging Face Transformers로 NLP 처리, Pandas/PostgreSQL로 데이터 처리 및 저장. Apache Airflow로 전체 워크플로우 자동화
- 실사례로 아마존 KDP는 이 기술을 적용해 원고 업로드 시 여백, 페이지 크기, 이미지 해상도, 글꼴 임베딩 여부 등을 자동 검증