다중 페이지 문서 OCR: 표 연결·합계 검증·수정 이력 가이드

여러 페이지에 걸친 문서를 OCR로 처리하면 글자를 맞게 읽었어도 업무 데이터는 틀릴 수 있습니다. 다음 페이지의 표를 별도 거래로 만들거나 반복된 열 제목을 품목으로 저장하고, 소계와 총계를 중복 합산하는 문제가 생길 수 있기 때문입니다. 문서의 구조와 계산 의미를 함께 확인하는 절차가 필요합니다.

이 글은 견적서와 명세서의 긴 품목 표를 업무 시스템에 반영하는 과정을 가상의 예시로 설명합니다. 핵심은 페이지마다 추출한 문자열을 단순히 이어 붙이는 대신 문서 식별과 표 연결, 행의 근거와 정정 이력을 관리하는 것입니다. 읽을 수 없는 부분을 임의로 채우지 않는 기준도 함께 다룹니다.

1. 문서와 페이지의 경계를 확인한다

접수한 파일에는 원본 식별자와 버전, 페이지 순서를 연결합니다. 한 파일에 여러 문서가 묶였는지 하나의 문서가 여러 파일로 나뉘었는지 확인합니다. 파일 이름과 페이지 수만으로 같은 거래인지 결정하지 않고 문서 번호와 거래처, 발행 조건을 함께 검토합니다.

페이지 누락과 중복을 발견할 방법을 정합니다. 문서에 적힌 페이지 번호와 실제 파일 순서가 다를 수 있고 스캔 과정에서 한 장이 반복될 수도 있습니다. 중복처럼 보이는 페이지라도 내용이 다른 수정본인지 확인한 뒤 처리하며 임의로 삭제하지 않습니다.

접수 단계의 문제는 인식 실패와 구분합니다. 일부 페이지만 분석한 결과를 전체 문서의 완료로 표시하지 않습니다. 사용자는 어떤 범위가 접수됐고 어느 페이지에서 확인이 필요한지 알 수 있어야 다시 제출하거나 담당자에게 설명하기 쉽습니다.

2. 표 연결에 사용할 구조 정보를 정한다

페이지별 표의 제목과 열 구성, 단위와 문서 내 위치를 보존합니다. 인식 도구가 제공하는 구조와 위치 정보의 범위를 확인하고, 제품별 결과를 같은 방식으로 일반화하지 않습니다. 도구가 확정하지 않은 표 연결은 별도 규칙이나 검토가 필요한 판단으로 남깁니다.

이어지는 표인지 판단할 때 열 이름만 보지 않습니다. 문서 식별과 상위 제목, 앞뒤 문맥과 행의 연속성을 함께 검토합니다. 같은 열을 가진 다른 거래의 표를 잘못 합치지 않도록 연결 근거를 기록하고 충돌할 때는 자동 연결을 보류합니다.

열 제목이 생략되거나 위치가 조금 달라지는 사례도 평가합니다. 숫자가 어느 열의 값인지 설명할 수 있어야 합니다. 첫 페이지의 열 배치를 무조건 다음 페이지에 적용하지 말고 병합 셀과 주석, 표의 방향이 달라지는 조건을 살펴봅니다.

3. 품목 행과 설명 행을 구분한다

한 품목의 설명이 여러 줄로 나뉠 수 있고 빈 줄이나 페이지 바닥의 문구가 표 안으로 들어올 수 있습니다. 품목 식별과 수량·단가가 어떻게 연결되는지 정의합니다. 텍스트 줄 하나를 거래 행 하나로 취급하는 규칙이 실제 양식에 맞는지 확인합니다.

반복된 열 제목과 중간 소계, 다음 페이지로 이월하는 표시는 별도 유형으로 다룹니다. 품목처럼 저장하거나 계산에 중복 포함하지 않도록 합니다. 단순히 특정 단어가 있으면 삭제하는 방식은 실제 품목 설명을 지울 수 있으므로 문맥과 위치를 함께 봅니다.

행의 원문 근거는 페이지와 영역으로 연결합니다. 여러 페이지의 내용이 하나의 행으로 합쳐졌다면 각각의 출처를 남깁니다. 검토자가 어떤 값을 왜 연결했는지 확인할 수 있어야 인식 오류와 구조 판단 오류를 구분해 수정할 수 있습니다.

4. 숫자와 단위의 의미를 검증한다

숫자를 읽은 뒤에는 원래 표기와 정규화한 값을 구분합니다. 소수점과 구분 기호, 음수와 괄호 표기가 어떤 의미인지 양식별로 확인합니다. 불명확한 기호를 무조건 제거해 큰 값이나 다른 값으로 바꾸지 않도록 변환 근거를 남깁니다.

수량의 기준 단위와 포장 단위도 함께 봅니다. 단가가 낱개 기준인지 묶음 기준인지에 따라 계산이 달라집니다. 원문에 없는 환산 계수를 추측하지 말고 품목 기준 정보나 담당자 확인을 거칩니다. 미확인과 실제 0은 다른 상태로 저장합니다.

문서 안의 합계는 검증의 단서로 활용합니다. 합계와 맞는다는 사실만으로 각 행이 정확하다고 단정하지 않습니다. 서로 다른 오류가 상쇄될 수 있으므로 중요한 필드와 원문을 별도로 대조하고 어떤 계산 규칙을 사용했는지 기록합니다.

5. 검토 화면에서 연결 판단을 보여준다

검토자는 원문 페이지와 추출 표를 나란히 볼 수 있어야 합니다. 페이지 사이에서 연결한 표와 합친 행을 표시하고 연결을 해제하거나 다시 지정할 수 있게 합니다. 모든 원문을 처음부터 찾게 하기보다 문제가 된 항목으로 이동하는 경로를 제공합니다.

실패 사유는 값 인식, 표 연결과 업무 검증으로 나눕니다. 숫자가 흐려서 읽지 못한 경우와 소계를 중복 합산한 경우는 조치가 다릅니다. 모델 점수 하나만 보여주는 것보다 현재 판단을 보류한 근거와 필요한 확인을 설명하는 편이 유용합니다.

사람이 수정한 결과에도 원문과 변경 이력을 연결합니다. 검토자가 임의의 값을 채우는 대신 확인 자료나 담당자 판단을 기록하게 합니다. 나중에 원문 수정본이 들어오면 어떤 검토를 다시 해야 하는지도 이 연결을 바탕으로 정할 수 있습니다.

6. 수정본과 부분 재처리를 관리한다

일부 페이지가 수정됐다고 해서 기존 문서 전체를 조용히 덮어쓰지 않습니다. 새 문서 버전과 변경 페이지를 연결하고 표 연결이나 합계에 미치는 영향을 다시 검사합니다. 품목 순서가 바뀌면 이전 행 번호만으로 수정 대상을 찾지 않도록 합니다.

동일 파일의 재시도는 이전 처리 상태와 결과를 확인하는 흐름입니다. 내용이 바뀐 파일은 새 검증 작업으로 구분합니다. 이미 성공한 행을 다시 반영하지 않도록 안정적인 업무 식별자와 최종 승인 버전을 후속 시스템에 연결합니다.

후속 시스템 정정이 필요하면 문서 승인과 실제 반영을 별도로 추적합니다. 새 값이 승인됐지만 기존 거래가 아직 수정되지 않은 상태를 표현할 수 있어야 합니다. 일부 실패와 확인 필요 항목은 담당자가 이어받을 수 있도록 현재 상태와 다음 조치를 남깁니다.

7. 페이지 경계가 어려운 평가셋을 만든다

표가 페이지 중간에서 끊긴 자료와 열 제목이 반복된 자료, 설명이 다음 페이지로 이어지는 사례를 포함합니다. 여러 문서가 한 파일에 있는 경우와 같은 이름의 수정본도 시험합니다. 정상 양식 한 종류의 결과만으로 전체 적용 범위를 정하지 않습니다.

평가에는 필드 정확도뿐 아니라 문서 분리와 표 연결, 행 수와 계산 관계를 포함합니다. 잘못 합친 표를 모든 숫자가 맞다는 이유로 성공 처리하지 않습니다. 중요한 오류와 판정 보류를 구분하고 평가 자료의 부족한 조건은 따로 표시합니다.

모델이나 전처리를 바꾸면 같은 원본과 기대 결과로 비교합니다. 사람의 정답 판정이 바뀌었다면 평가 기준 변경으로 기록합니다. 운영에서 발견한 오류를 추가할 때도 출처와 가공 이력을 남겨 결과를 재현하고 자료의 접근 범위를 관리합니다.

8. 업무 완료까지 상태를 연결한다

문서 접수, 인식과 연결 검토, 승인과 최종 반영을 구분해 사용자에게 보여줍니다. 파일 분석 성공이 실제 거래 입력 완료처럼 표시되지 않게 합니다. 각 단계의 실패와 대기 원인이 있어야 문의 담당자가 원문을 다시 처리하는 일부터 시작하지 않습니다.

반복 오류는 양식과 표 구조, 촬영 상태와 변환 규칙별로 나눕니다. 접수 안내나 화면을 바꿔 해결할 문제와 모델 개선이 필요한 문제를 구분합니다. 담당자와 조치 기한을 지정하고 수정 후 같은 유형의 자료로 효과를 다시 확인합니다.

운영 문서에는 수동으로 이어 처리하는 방법과 중복 반영을 막는 절차도 포함합니다. 자동 연결이 어려운 문서를 예외로 처리할 수 있어야 전체 흐름을 유지할 수 있습니다. 다중 페이지 OCR의 결과물은 글자 목록이 아니라 원문 근거와 검토 이력이 연결된 업무 데이터여야 합니다.

9. 다음 페이지의 소계가 중복된 문서를 검토한다

품목 표가 다음 페이지로 이어지며 열 제목과 이월 소계가 반복된 명세서를 가정합니다. 첫 단계에서는 두 페이지가 같은 문서 버전에 속하는지 확인하고 원문 순서를 대조합니다. 표 연결 후보에는 제목과 열 구성, 문맥을 남깁니다. 열 이름이 같다는 이유만으로 인접한 다른 거래의 표까지 붙이지 않는지 확인합니다.

추출 결과에서는 반복된 제목과 소계를 품목 행과 구분합니다. 이월 소계를 새 품목처럼 합산하면 총계가 커질 수 있으므로 행의 유형과 계산 포함 여부를 확인합니다. 검토자는 각 행의 원문 위치를 바로 열 수 있어야 합니다. 소계라는 단어가 포함된 정상 품목 설명이 잘못 제외되지 않는지도 함께 시험합니다.

다음에는 품목 설명이 페이지 경계를 넘는 경우를 추가합니다. 수량과 단가가 어느 설명에 속하는지 확인하고 하나의 행을 구성한 여러 영역을 기록합니다. 연결 근거가 충분하지 않으면 사람이 보류하거나 분리할 수 있어야 합니다. 합계가 일치한다는 사실만으로 모호한 연결을 자동 승인하지 않는지 살펴봅니다.

수정본에서 중간 품목이 추가된 상황도 만듭니다. 기존 행 번호가 달라졌더라도 안정적인 업무 식별자나 검토된 대응 관계로 변경 대상을 찾습니다. 이미 반영된 품목을 새로 만들지 않고 추가·수정·유지 대상을 구분해야 합니다. 새 합계와 기존 거래의 정정 결과가 모두 확인될 때까지 작업 상태를 연결합니다.

종료 검토에서는 원본과 수정본, 표 연결과 사람 수정, 최종 반영 결과를 순서대로 대조합니다. 어느 페이지가 어떤 업무 행의 근거인지 설명할 수 있어야 합니다. 같은 양식의 다른 자료에서도 규칙이 맞는지 표본을 추가하고, 자동 처리하지 못한 조건은 접수 안내와 검토 절차에 남겨 다음 담당자가 같은 판단을 이어갈 수 있게 합니다.

적용 전 체크리스트

• 문서 버전과 페이지 누락·중복을 확인하는가
• 표와 행의 연결 근거·원문 위치가 보존되는가
• 품목·제목·소계와 계산 포함 여부가 구분되는가
• 미확인 값과 단위·환산 근거를 검토하는가
• 수정본·재시도·업무 정정이 별도로 추적되는가

참고 자료와 적용 범위

• Microsoft Learn — Document layout analysis

문서 구조·표·위치 정보의 배경은 공식 문서를 참고했습니다. 페이지 연결과 행 정정·업무 반영 절차는 실무 설계 제안입니다.

대표 이미지는 AI로 제작한 개념 시각화이며, 본문 도식과 함께 이해를 돕기 위한 자료입니다. 실제 고객의 설비·데이터·서비스 화면을 나타내지 않습니다.

#OCR #문서AI #표추출 #다중페이지 #합계검증 #단위검증 #원문대조 #문서버전 #데이터정합성 #네이처프랙탈