대상 문서
allganize/RAG-Evaluation-Dataset-KO
설치
pip install pymupdf실행
import os
import pymupdf4llm
data_dir = "test_data/[별첨] 지방은행의 시중은행 전환시 인가방식 및 절차.pdf"
file_path = os.path.join(data_dir)
md_text = pymupdf4llm.to_markdown(file_path)
print(md_text.split("-----")[6])- "-----" 문자열로 페이지가 구분되어 있음.
단순한 표
결과
- merge 해야 하는 row는 표현이 어려움.
###### 참고 2 은행업 인가 세부심사요건
|Col1|세 부 심 사 요 건|확인서류|
|---|---|---|
|자본금 요건|ㅇ 최저 자본금 요건을 충족할 것 ㅇ 자금조달방안이 적정할 것|- 자본금 납입 확약서 등|
|대주주 요건|ㅇ 부실금융기관 관련 책임이 없을 것 ㅇ 주주구성계획이 은행법상 소유규제에 적합할 것|- 비금융주력자가 아님을 증명 하는 서류 등|
|사업계획 타당성 요건|ㅇ 경영전략 및 수익전망이 적정할 것 ㅇ 경영지도기준 충족이 가능할 것 ㅇ 이사회 및 경영지배구조가 적정할 것 ㅇ 내부통제, 준법감시 및 리스크 관리 체계가 적정할 것 ㅇ 영업내용 및 방법이 법령 및 건전한 금융거래질서에 부합할 것|- 신청서상 사업계획서 등|
|임원 요건|ㅇ 발기인 및 임원이 은행법상 임원자격 요건에 부합할 것|- 경력증명서, 자격증 등 - 신원조회 및 관련부서 사실 조회 회보서|
|인력·영업시설· 전산설비 요건|ㅇ 인가신청업무를 영위하기 위한 인력 (전문인력 포함) 확보계획이 적정할 것|- 신청서상 사업계획서 등|
||ㅇ 업무범위 및 규모에 부합하는 영업 시설 및 이해상충방지체계를 갖출 것||
||ㅇ 은행업 영위를 위한 적정한 전산설비를 갖출 것||
다단 표
결과
- 변환 실패
ㅇ 기금수입의 경우 보험료 수입 등의 증가로 전년동기 대비 3.4조원
증가한 33.7조원이다.
|Col1|Col2|Col3|(단위: 조원, %, %p)|
|---|---|---|---|
||’23년 진도율 본예산 결산 2월 2월 예산 결산 (A) (B) (C) (누계,D) (E=D/A)(F=D/B)|’24년(잠정) 본예산 2월 2월 진도율 (G) (H) (누계,I)(J=I/G)|전년동기 대비 진도율 2월 누계 예산 결산 (H-C) (I-D) (J-E) (J-F)|
|□ 총수입 ◇ 국세수입 ◇ 세외수입 ◇ 기금수입 ◇ (사보기금*) ◇ 세입세출 외|625.7 573.9 28.7 90.0 14.4 15.7 400.5 344.1 11.4 54.2 13.5 15.8 25.0 28.5 3.5 5.5 22.1 19.3 200.3 201.1 13.8 30.3 15.1 15.1 114.6 122.3 9.2 18.3 16.0 15.0 - 0.3 - - - -|612.2 30.1 97.2 15.9 367.3 12.1 58.0 15.8 28.2 3.1 5.5 19.6 216.7 14.9 33.7 15.5 123.8 9.6 19.0 15.3 - - - -|1.4 7.2 1.5 0.2 0.7 3.8 2.3 - △0.4 - △2.5 0.3 1.1 3.4 0.4 0.4 0.4 0.7 △0.7 0.3 - - - -|
- 국민연금기금, 사립학교교직원연금기금, 고용보험기금, 산업재해보상보험및예방기금
#### □ 총지출은 신속집행[*] 등 지출 증가로 전년동기 대비 12.5조원 증가한
127.1조원이며, 진도율은 19.4%이다
2단 문서 (가로)
결과
- 문단 분리 실패.
나. 정당 약사
- 앙골라인민해방운동(MPLA, People's Movement for the Liberation of Angola)
- 이후 강경·온건파로 분열 양상을 보이던 FLEC는 2010.1.8. 앙골라 개최 아프리카
네이션스컵(CAN) 참가를 위해 카빈다로 가던 토고 국가대표팀 버스에 총격 테러를
감행, 3명이 사망하는 사태 발생
**3. 정치 발전 경과 및 최근 정세**
- 창설 : 시인이자 정치인인 아고스티뉴 네투가 1956년 소련의 일당 시스템을 모방하여 창당
- 1962년 네투가 MPLA 초대 의장으로 취임한 후 포르투갈에 대한 무장 게릴라 활동 개시
- 1977년 마르크스-레닌 사상을 당의 공식 정강 및 정책으로 채택
- 1979년 네투 대통령 사후 대통령직을 승계한 두스 산투스 대통령은 마르크스-레닌주의
가. 독립과 내전, 불안정한 국가 수립기(1975~2002)2단 문서 (세로)
결과
- 문단 분리 실패
## BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
**Jacob Devlin** **Ming-Wei Chang** **Kenton Lee** **Kristina Toutanova**
Google AI Language
_{jacobdevlin,mingweichang,kentonl,kristout}@google.com_
**Abstract**
We introduce a new language representation model called BERT, which stands for
**Bidirectional Encoder Representations from**
**Transformers. Unlike recent language repre-**
sentation models (Peters et al., 2018a; Radford et al., 2018), BERT is designed to pretrain deep bidirectional representations from
unlabeled text by jointly conditioning on both
left and right context in all layers. As a result, the pre-trained BERT model can be finetuned with just one additional output layer
to create state-of-the-art models for a wide
range of tasks, such as question answering and
language inference, without substantial taskspecific architecture modifications.
BERT is conceptually simple and empirically
powerful. It obtains new state-of-the-art results on eleven natural language processing
tasks, including pushing the GLUE score to
80.5% (7.7% point absolute improvement),
MultiNLI accuracy to 86.7% (4.6% absolute
improvement), SQuAD v1.1 question answering Test F1 to 93.2 (1.5 point absolute improvement) and SQuAD v2.0 Test F1 to 83.1
(5.1 point absolute improvement).
There are two existing strategies for applying pre-trained language representations to downstream tasks: feature-based and fine-tuning. The
feature-based approach, such as ELMo (Peters
et al., 2018a), uses task-specific architectures that
include the pre-trained representations as additional features. The fine-tuning approach, such as
the Generative Pre-trained Transformer (OpenAI줄없는 표
결과
대될것으로보인다.
|제성장률 전망1)|(전년동기대비, %)|
|---|---|
|2022 20232)|2024e 2025e|
|연간 상반 하반 연간|상반 하반 연간 연간|
GDP 2.6 0.9 1.8 1.4 2.2 2.0 2.1 2.3
민간소비 4.1 3.1 0.6 1.8 1.1 2.0 1.6 2.3
설비투자 -0.9 5.3 -3.9 0.5 2.6 5.7 4.2 3.7
지식재산
5.0 2.9 0.3 1.6 1.5 2.8 2.2 3.3
생산물투자
건설투자 -2.8 1.8 0.8 1.3 -2.4 -2.9 -2.6 -1.0
상품수출 3.6 -0.9 6.9 3.1 6.0 3.2 4.5 3.6
상품수입 4.3 1.9 -3.0 -0.6 0.1 5.4 2.7 3.1
주: 1) 2024년 2월 전망 기준 2) 잠정치 기준
자료: 한국은행
부문별로보면민간소비는 높아진물가와금리비정형문서
결과
- 변환 실패
