ICIJ/datashare

解決的問題

Datashare 為記者與研究人員提供了一種安全、自托管的方式，用於搜尋與分析大量異質資料。在處理敏感的洩密文件時，無需依賴外部雲端服務，使用者可完全掌控其資料，同時對各種檔案格式執行複雜搜尋。

作法原理

此平台可接收多種檔案格式（包括 PDF、電子郵件、試算表與影像），對掃描件使用 OCR 提取文字，並透過元資料與命名實體萃取來增強資料。這些資訊使用 Elasticsearch 進行索引，並儲存在 PostgreSQL 中，透過 REST API 與專用搜尋使用者介面公開結果。

適用對象

專為需要安全處理與查詢大規模文件洩密或檔案庫的調查記者、新聞單位與研究人員設計。

主要特色

• 多格式支援：支援索引 PDF、電子郵件、辦公文件、影像與歸檔檔案。
• 自動增強：自動偵測人物、組織與地點等命名實體。
• 整合 OCR：將掃描件與影像中的視覺文字轉換為可搜尋的文字。
• 進階查詢：支援布林、萬用字元與模糊查詢，並可結合分面過濾器使用。
• 協作工具：包含團隊/伺服器模式，支援共享標籤與推薦。