Aşama 3 — Kurallar

2.6 Aşama 3 — Regex ve kural katmanı

Regex katmanı LLM'den sonra her zaman çalışır. LLM hızlı bir desen tanıyıcıdır; regex deterministik bir doğrulayıcıdır.

Regex'in yakaladığı, LLM'in kaçırdığı kategoriler

Kural katmanı dört kategoride deterministik doğrulama ekler:

1. Toplam mutabakatı. LLM bazen genel toplamı yuvarlar veya normalleştirir. Kural katmanı basılı toplamı OCR metninden yeniden çıkarır ve uyumsuzlukta LLM değerini geçersiz kılar.
2. Tarih normalleştirmesi. Fişlerde birden fazla bölgesel tarih biçimi ve yerele özgü ay adı kullanılır. Tüm varyantlar ISO 8601'e yakınsar.
3. Para birimi ayrıştırması. Karışık para birimi token'ları sıklık ve satıcı yereliyle çözülür.
4. Vergi satırı tespiti. Yerele özgü vergi oranı satırları (örn. Türkiye'de KDV) basılı metin üzerinden tespit edilir.

Kural kataloğu

Katalog kategoriye göre düzenlenir: toplamlar, vergiler, tarihler, para birimi ve satıcı tanımlayıcıları. Her kategori, çalıştığımız diller için yerele özgü kural ailelerini içerir. Özel desenler ve kural başına ağırlıklar iç operasyon katmanında yönetilir.

Güven artışı

Her doğrulanmış kural eşleşmesi regex katmanı güven puanını yükseltir. Temiz uzlaşan fişler daha yüksek puan alır; toplamları uzlaştırılamayan fişler bir uzlaşma boşluğu taşır ve güven puanlayıcı bunu girdilerinden biri olarak okur. Bu girdiye atanan ağırlık iç operasyon katmanında yönetilir.