예시 답변 1
약 90초
솔직한 경험 기반 접근
문서 파싱을 다룬 경험은 수업 과제에서 PDF 리포트에서 텍스트를 추출해 분석한 것입니다. 가장 어려웠던 자리는 표나 그래프 캡처가 포함된 페이지에서 텍스트와 비텍스트가 섞이는 것이었습니다. pdfplumber로 추출했을 때 일부 자리에서 텍스트가 깨지거나 순서가 달라졌습니다. 해결 방식은 페이지별로 추출 품질을 먼저 확인하고, 문제가 있는 자리만 OCR로 다시 추출하는 방식이었습니다. 자동화는 100% 완벽하지 않아서, 결과를 샘플링해 검증하는 자리를 파이프라인 안에 두는 것이 중요하다고 배웠습니다. 파싱 품질은 문서 유형마다 달라지기 때문에 유형별로 별도 검증 자리를 두는 것이 안전합니다.
이 결의 특징
PDF 파싱에서 텍스트 레이어가 없는 스캔 문서를 OCR로 처리했지만 표 구조가 깨지는 자리를 경험하고 레이아웃 분석을 먼저 하고 영역별로 파싱 방식을 다르게 적용하는 방식으로 전환한 흔적이 있습니다. 문서 구조를 먼저 파악하지 않으면 파싱이 노이즈를 만든다는 관찰이 경험에서 나온 결이 보입니다.
이 결이 통하는 자리
스캔 문서 표 구조 파괴 장면이 살아있고 레이아웃 분석 선행이라는 방식 전환이 명확할 때 통합니다. 파싱 전략이 문서 유형에 따라 달라야 한다는 결론이 OCR 실패 경험과 함께 닫힐 때 면접관의 꼬리질문이 줄어드는 결이 자주 보입니다.