| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Latentuma un precizitātes optimizācija OCR un LLM dokumentu apstrādes procesos, izmantojot modeļu kompresijas un kešošanas tehnikas |
| Nosaukums angļu valodā |
Optimization of Latency and Accuracy in OCR and LLM Document-Processing Pipelines Using Model-Compression and Caching Techniques |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Ingars Eriņš |
| Recenzents |
Mihails Fraimans |
| Anotācija |
Darbā tika izstrādāts Python un FastAPI balstīts OCR-LLM dokumentu apstrādes prototips, kas nodrošina PDF rēķinu augšupielādi, OCR teksta izgūšanu, strukturētas LLM uzvednes izmantošanu, JSON rezultāta saglabāšanu un dokumenta līmeņa kešdarbību atkārtotas identiska dokumenta augšupielādes gadījumā. Galvenajā eksperimentā tika novērtēti 142 sintētiski ģenerēti rēķinu tipa dokumenti un 1704 strukturēti lauki. Vienkāršo dokumentu kopā lauku izgūšanas precizitāte sasniedza 0,880, skenēto dokumentu kopā 0,861, bet jaukta trokšņa dokumentu kopā 0,700. Praktiskajā prototipā tika realizēts dokumenta līmeņa kešdarbes mehānisms, savukārt modeļu kompresijas pieejas darbā analizētas teorētiski kā turpmāks optimizācijas virziens.
Dati par darba apjomu - 52 lappuses, 6 attēli, 6 tabulas, 34 izmantotie informācijas avoti. |
| Atslēgas vārdi |
OCR, lielie valodas modeļi, dokumentu apstrāde, kešdarbe, latentums |
| Atslēgas vārdi angļu valodā |
OCR, large language models, document processing, caching, latency |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 21:46:02 |
