Extracción automática de información de documentos estructurados usando Modelos Extensos de Lenguaje.

Abstract

Este Trabajo de Fin de Grado (TFG) desarrolla un sistema basado en Modelos Extensos de Lenguaje (LLMs) para la extracción y clasificación automática de información contenida en documentos estructurados, como facturas eléctricas. Utilizando modelos basados en la nube accesibles al público y sin necesidad de reentrenamiento, el proyecto optimiza la precisión mediante técnicas de ingeniería de instrucciones y ajuste de parámetros (temperature, Top-k, Top-p). A través de una metodología comparativa, se analizan diferentes modelos y configuraciones para proponer una solución eficiente, adaptable y generalizable para la automatización de la gestión documental.

This Bachelor’s thesis proposes the development of a system based on Large Language Models (LLM) to automatically extract and classify information from structured documents, such as electric utility bills. Without requiring fine-tuning, the system leverages public cloud based models through prompt engineering and adjustment of inference parameters (temperature, Top-k, Top-p) seeking to optimize the precision of information extraction. The methodology includes comparative evaluation of different models and configurations, aiming to design a general and efficient approach to automated document management.