Извлечь числа из текста с контекстом — анализ цифр в договоре онлайн

Зачем извлекать числа из документа

Любой деловой документ — это набор числовых условий: цены, сроки, штрафы, проценты, количества. Договор на 20 страниц может содержать от 50 до 200 числовых значений. Ручной поиск и проверка каждого занимает от 30 минут до 2 часов — и всё равно остаётся риск пропустить критическое число, спрятанное в середине абзаца.

Типичные задачи, для которых нужно извлечение чисел:

• Экспресс-аудит договора. Мгновенный обзор всех финансовых условий: суммы, штрафы, пени, неустойки, лимиты ответственности — всё в одной таблице
• Проверка спецификаций. Все количества и цены из приложения в структурированном виде — легко сравнить с другими документами
• Подготовка сводки для руководства. Ключевые цифры из контракта — сумма, сроки, штрафы — в одном отчёте, без необходимости читать весь документ
• Поиск скрытых условий. Пропущенное число может означать незамеченный штраф в 0.5% за каждый день просрочки, неверный срок или скрытую комиссию
• Сравнение версий. Какие числовые условия изменились между v1 и v2 договора? Извлечение чисел из обеих версий даёт мгновенный ответ

Как AIARM извлекает числа — логика, а не regex

Обычный поиск цифр регулярными выражениями (regex) не различает число «5» в номере пункта «5.1» и в сроке «5 рабочих дней». AIARM использует NLP-модель, которая анализирует контекст каждого числа и определяет его семантическое значение.

Что делает NLP-модель

• Анализ контекста. Модель читает слова вокруг числа: «рублей», «дней», «процентов», «штук» — и определяет категорию
• Распознавание чисел прописью. «Двести тысяч рублей» превращается в 200 000 с пометкой «сумма». «Тридцать календарных дней» — в 30 с пометкой «срок»
• Обработка таблиц. Числа в таблицах извлекаются с привязкой к заголовку столбца и строки: «Цена: 15 000» из ячейки на пересечении «Позиция 3» и «Цена за единицу»
• Распознавание диапазонов. Выражение «от 5 до 10 рабочих дней» трактуется как единый диапазон срока, а не два отдельных числа
• Фильтрация шума. Номера страниц, сноски, нумерация пунктов, реквизиты (ИНН, ОГРН) — всё это автоматически исключается из результатов как служебные числа

Пошаговый процесс

1. Загрузите документ. PDF (текстовый или скан), DOCX, изображения. Для сканов автоматически запускается OCR-распознавание.
2. Извлечение текста. Система разбирает документ на абзацы, таблицы, списки — сохраняя структуру для контекстной привязки.
3. Поиск числовых значений. Первый проход — регулярные выражения для цифр. Второй проход — NLP для чисел прописью и составных выражений.
4. Классификация. Каждое число получает семантическую метку на основе контекста: сумма, процент, срок, штраф, количество.
5. Формирование таблицы. Результат — структурированная таблица с числом, типом, контекстом, страницей и уровнем уверенности.

Классификация извлечённых чисел

Каждое найденное число автоматически попадает в одну из пяти категорий. Классификация основана на контексте — словах вокруг числа, разделе документа, заголовке столбца (если число в таблице).

Для углублённого анализа денежных сумм используйте специализированный инструмент поиска сумм, который дополнительно проверяет валюту, НДС и кросс-сверку между разделами документа. А для штрафных санкций — инструмент поиска штрафов и пени, который рассчитывает потенциальные суммы штрафов при разных сценариях.

Обработка неоднозначных значений

Некоторые числа могут относиться к нескольким категориям. Например, «5%» — это процент, но в контексте «штраф 5% от суммы» это ещё и штрафная санкция. AIARM присваивает основную и дополнительную категорию, сортируя по релевантности. Число «30» в контексте «30 дней» — срок, в контексте «30 000 рублей» — сумма, в контексте «30 штук» — количество. Модель делает правильный выбор в 95-99% случаев.

Формат вывода и работа с результатами

Результат извлечения — интерактивная таблица, которую можно фильтровать, сортировать и экспортировать. Каждая строка — одно числовое значение с полным набором метаданных.

Колонки таблицы результатов

Фильтрация и сортировка

• По категории. Покажите только суммы, только сроки или только штрафы — одним кликом
• По величине. Крупнейшие суммы наверху — мгновенно видны ключевые финансовые условия
• По разделу. Все числа из раздела «Ответственность» — для быстрой оценки рисков
• По уверенности. Числа с низкой уверенностью — первые кандидаты для ручной проверки

Экспорт в Excel

Таблица экспортируется в XLSX с сохранением всех колонок и фильтров. Каждая категория — на отдельном листе. Это удобно для передачи результатов: финансисту — лист «Суммы», юристу — лист «Штрафы», менеджеру — лист «Сроки». Для комплексной проверки всех финансовых условий используйте финансовый анализ документа.

Подсветка в документе

Каждое найденное число кликабельно — нажатие переводит к соответствующему месту в исходном документе с подсветкой. Это позволяет мгновенно проверить контекст, не переключаясь между таблицей результатов и PDF-файлом.

Применение в юридической и финансовой практике

Извлечение чисел — универсальный инструмент, который используется на разных этапах работы с документами. Вот конкретные сценарии с измеримыми результатами.

Для полного анализа документа — включая не только числа, но и реквизиты, условия, риски — используйте комплексный инструмент извлечения данных.

Поддерживаемые форматы документов

AIARM извлекает числа из всех основных форматов деловых документов. Для каждого формата — оптимальный метод обработки:

Пакетная обработка: загрузите несколько файлов одновременно — результаты объединяются в общую таблицу с указанием файла-источника. Это удобно для анализа пакета тендерной документации или комплекта приложений к договору.

Отличие от простого поиска цифр (Ctrl+F и regex)

Зачем нужен специализированный инструмент, если можно найти цифры через поиск? Вот конкретные различия:

Главное отличие — AIARM понимает смысл числа, а не просто находит цифры. «5» в «п. 5.1 настоящего Договора» — это номер пункта (игнорируется). «5» в «срок выполнения — 5 рабочих дней» — это срок (категория «Сроки»). «5» в «штраф 5% от суммы» — это процент штрафа (категория «Штрафы»). Regex не различает эти случаи. AIARM — различает.