ICIJ/datashare

何を解決するか

Datashareは、ジャーナリストや研究者が大量の異種データを安全に検索・分析できる、セキュアで自己ホスティング可能な方法を提供します。機密性の高いリークドキュメントを扱う際、外部クラウドサービスへの依存を排除し、ユーザーが資料を完全にコントロールしながら、さまざまなファイル形式 across で複雑な検索を実行できます。

動作方法

このプラットフォームは、PDF、メール、スプレッドシート、画像など多様なファイル形式をインポートし、スキャンされたデータについてはOCRを使用してテキストを抽出し、メタデータと名前付きエンティティ抽出によりデータを拡張します。この情報をElasticsearchでインデックス化し、PostgreSQLに格納し、REST APIと専用の検索UIを通じて結果を公開します。

対象ユーザー

大規模なドキュメントリークやアーカイブを安全に処理・検索する必要があるインベスティゲイティブジャーナリスト、ニュースルーム、研究者向けに設計されています。

特徴

• マルチフォーマット対応: PDF、メール、オフィス文書、画像、アーカイブをインデックス化可能。
• 自動拡張: 人物、組織、場所などの名前付きエンティティを自動検出。
• 統合OCR: スキャンや画像内の視覚的テキストを検索可能なテキストに変換。
• 高度なクエリ: ブール型、ワイルドカード、ファジークエリに加え、ファセットフィルタを組み合わせ可能。
• 共同作業ツール: タグや推薦を共有できるチーム/サーバーモードを搭載。