Inhoudskennis van classificatie/segmentatie

Met Content Understanding kunt u classificatie en splitsing implementeren als onderdeel van de analysebewerkingsaanvraag. U kunt inhoudsclassificatie en inhoudextractie uitvoeren als onderdeel van één API-aanroep.

Het globale concept omvat nu het concept van analyzer en contentCategories om de invoergegevens die u in uw toepassing verwerkt te classificeren en te splitsen. Deze analysefunctie kan classificatie van een invoerbestand als geheel uitvoeren. Het kan ook meerdere documenten of meerdere exemplaren van één document in een invoerbestand identificeren.

Vanaf de GA-versie zijn documentclassificatie en videosegmentatieontwerp geïntegreerd, waardoor een coherente benadering van het verwerken van invoergegevens, ongeacht de modaliteit, mogelijk is. In de documentatie verwijst 'Classificatie van inhoudskennis' naar de analysebewerkingen die nodig zijn voor het classificeren en splitsen van invoergegevens (contentCategories en enableSegment).

Zakelijke toepassingsgevallen

Met classificatie van inhoudskennis kunt u complexe documenten en video's in verschillende indelingen en sjablonen verwerken:

• Facturen: categoriseer facturen van meerdere leveranciers om elke categorie te verwerken met een andere Content Understanding Analyzer, indien nodig.
• Belastingdocumenten: Categoriseer meerdere belastingdocumenten in verschillende soorten belastingformulieren, zoals 1040 en 1099.
• Contracten: categoriseer lange, ongestructureerde contracten om bewerkingen te stroomlijnen om inzicht te krijgen in verschillende soorten overeenkomsten en hun specifieke juridische implicaties.
• Sportvideo: Segmenteer de scènes automatisch om de video op te splitsen in logische segmenten, zoals advertenties en de werkelijke sportinhoud.

Classificatie-/segmentatiemogelijkheden

Inhoudsbegrip kan documenten met één of meerdere bestanden analyseren om te bepalen of een invoerbestand kan worden geclassificeerd in een gedefinieerde categorie. De volgende scenario's worden ondersteund:

Documentscenario's:

• Alleen classificeren: classificeert het invoerbestand als geheel. Bijvoorbeeld één bestand dat één documenttype bevat, zoals een formulier voor een leningsaanvraag.
• Classificeren en analyseren: classificeert en analyseert het invoerbestand door de invoer door te routeren naar de gewenste extractieanalyse.
• Classificeren en segmenteren: classificeert en segmenteert één invoerbestand dat mogelijk meerdere typen of exemplaren van documenten bevat die zijn samengevoegd. Een aanvraagpakket voor een lening dat bijvoorbeeld een formulier voor een leningsaanvraag, een betalingsbon en een bankoverzicht bevat. Een ander voorbeeld is een verzameling gescande facturen in één bestand.
• Classificeren, segmenteren en analyseren: zodra de segmenten zijn geclassificeerd, routeert u elk segment naar de gewenste extractieanalyse voor verdere veldextractie.
• Hiërarchische classificatie: Optionele aanvullende analyse, afhankelijk van de categorie, kan ook een classificatieanalyse zijn.

Video scenario's:

• Alleen segmenteren: video splitsen in segmenten op basis van inhoudskenmerken die zijn gedefinieerd in het description veld van contentCategories. Bijvoorbeeld het splitsen van een sportuitzending in spelspel-, commercials- en commentaarsegmenten.
• Segmenteren en analyseren: Splits video in segmenten en routeer elk segment naar een analyse voor veldextractie.

Classificatiecategorieën maken

Voor classificatie van Inhoudskennis is geen trainingsgegevensset vereist. U kunt maximaal 200 categorienamen en beschrijvingen definiëren binnen de analysebewerking. Standaard wordt het hele bestand behandeld als één inhoudsobject, wat betekent dat het bestand is gekoppeld aan één categorie.

Vanaf de GA-versie moet u de other categorie in de contentCategories categorie opnemen om ervoor te zorgen dat inhoud niet overeenkomt met een van uw gedefinieerde categorieën. Als de other categorie niet is opgenomen, worden alle bestanden geclassificeerd in een van uw gedefinieerde categorieën. Elk van de categorienamen die u definieert in contentCategories kan ook een description bevatten om meer informatie te geven over de categorie die u definieert.

Invoerbestand splitsen

Wanneer u meer dan één document in een bestand hebt, kan de classificatie de verschillende documenttypen identificeren die zich in het invoerbestand bevinden met splitsfunctionaliteit. Het antwoord van de classificatie bevat de paginabereiken voor elk van de geïdentificeerde documenttypen die zich in een bestand bevinden. Dit antwoord kan meerdere exemplaren van hetzelfde documenttype bevatten.

Wanneer u de analyze bewerking uitvoert, bevat deze een enableSegment eigenschap die u gedetailleerde controle geeft over het splitsgedrag. U kunt ook de paginanummers opgeven om alleen bepaalde pagina's van het invoerdocument te analyseren:

• Als u het hele invoerbestand wilt behandelen als meerdere documenten gecombineerd voor classificatie, stelt u deze in enableSegment op true. Wanneer u dit doet, retourneert de service automatisch categorieën voor de segmenten in het invoerbestand.
• Als u het hele invoerbestand wilt behandelen als één document, stelt u dit in enableSegment op false.

Segmenten beginnen standaard bij paginagrenzen. De 2026-06-01-preview API-versie voegt segmentatie in pagina's toe, die één pagina kan splitsen in meerdere segmenten wanneer deze inhoud van verschillende documenttypen bevat. Segmentatie in pagina's wordt beheerd door een afzonderlijk allowInPageSegments veld, zodat u kunt kiezen voor subpaginasplitsingen zonder bestaand enableSegment gedrag te wijzigen. Zie Classificatieverbeteringen (2026-06-01 preview) voor meer informatie.

Optionele analyse

Voor een volledig end-to-endproces kunt u classificatiecategorieën koppelen aan bestaande aangepaste analyzers en vooraf gebouwde analyzers. Voor elk inhoudsobject dat is geclassificeerd aan categorieën met gekoppelde analysefuncties, roept de service automatisch analyse aan op het inhoudsobject met behulp van de bijbehorende analyse.

U kunt deze koppeling bijvoorbeeld gebruiken om classificaties te maken die alleen facturen identificeren en analyseren vanuit een PDF die meerdere typen formulieren bevat. Stel analyzerId in op een vooraf gebouwde analyzer of aangepaste analyzer om veldextractie uit de geclassificeerde documenten of pagina's te routeren en uit te voeren.

U kunt de instelling analyzerId ook weglaten om te categoriseren, maar geen inhoudsanalyses uitvoeren op het gecategoriseerde bestand of segment.

"Op de bovenste laag kunt u ook instellen omitContent om true het oorspronkelijke inhoudsobject weg te laten en alleen inhoudsobjecten te retourneren vanuit analyses uitgevoerd op de geclassificeerde segmenten of bestanden."

Hiërarchische classificatie

De analysebewerking ondersteunt hiërarchisch splitsen en classificeren. Stel in de basisanalysebewerking analyzerId voor elke inhoudscategorie in op een aangepaste analyse die extra classificatie of splitsing uitvoert. Deze benadering ondersteunt scenario's zoals facturen, contracten en ontvangstbewijzen, waarbij elke categorie analyzerId kan verwijzen naar een andere analysebewerking die verschillende documentsubtypen classificeert.

Documentinvoer ondersteunt vijf niveaus van nesten en video-invoer ondersteunt twee.

Classificatieverbeteringen (preview 2026-06-01)

In de voorgaande secties wordt het GA-gedrag beschreven. In deze sectie worden alleen preview-mogelijkheden beschreven waarvoor API-versie 2026-06-01-previewis vereist.

De 2026-06-01-preview API-versie bevat twee verbeteringen voor documentclassificatie en splitsing. Als u deze verbeteringen wilt gebruiken, richt u zich op de preview-API-versie wanneer u een analyseaanvraag indient.

Functieextractie op basis van indeling (preview)

In de 2026-06-01-preview API voegt de classificatie uitgebreide classificatiesignalen toe, zoals documentfuncties op basis van indeling, sectiemarkeringen, tabelkoppen, afbeeldingsbeschrijvingen en meer.

Indelingsbewuste steekproeven verbeteren de classificatienauwkeurigheid in scenario's waarin de onderscheidende inhoud zeer ongestructureerd is of verspreid over een pagina. Voorbeeld:

• Pagina's die in tekst zijn geparseerd, bijvoorbeeld röntgenfoto's of gescande diagnostische rapporten.
• Afbeeldingszware pagina's, waarbij een afbeeldingsbeschrijving het grootste deel van het classificatiesignaal draagt.
• Pagina's waarin kopteksten of tabelkoppen van de sleutelsectie worden weergegeven in het midden van de pagina.

Er is geen configuratiewijziging vereist. Wanneer u de preview-API aanroept, gebruikt de classificatie automatisch de functies op basis van indelingen.

Segmentatie op pagina (preview)

De 2026-06-01-preview API voegt segmentatie in pagina's toe, die één pagina kan splitsen in meerdere segmenten wanneer de pagina inhoud bevat die deel uitmaakt van verschillende documenttypen.

Segmentatie in pagina's is handig voor scenario's zoals:

• Medische dossiers waarbij één pagina inhoudstypen combineert, bijvoorbeeld een sectie met demografische gegevens van patiënten, gevolgd door een verwijzingsorder op dezelfde pagina.
• Belastingpakketten waarbij meerdere planningen of formulieren worden gestapeld op dezelfde pagina, bijvoorbeeld K-1-schema's.
• Pakketten met meerdere formulieren waarbij opeenvolgende formulieren niet altijd op een nieuwe pagina beginnen.

Als u segmentatie in pagina's wilt inschakelen, stelt u deze in allowInPageSegmentstrue wanneer u een aangepaste analyse maakt of bijwerkt (u kunt dit veld niet instellen in een analyseaanvraag). Het antwoord van de analyse omvat paginabereiken per segment, de categorie van elk segment, een betrouwbaarheidsscore en een bronexpressie waarmee de begrenzingspositie van het segment op de pagina wordt geïdentificeerd.

In het volgende voorbeeld ziet u de segments matrix in een analyseantwoord, waarbij één pagina wordt gesplitst in een creditcardsegment en een identiteitskaartsegment:

"segments": [
    {
        "span": {
            "offset": 0,
            "length": 301
        },
        "segmentId": "segment1",
        "startPageNumber": 1,
        "endPageNumber": 1,
        "category": "Credit_card",
        "confidence": 0.98,
        "source": "D(1,1.32,1.49,3.13,1.49,3.13,3.86,1.32,3.86)"
    },
    {
        "span": {
            "offset": 301,
            "length": 798
        },
        "segmentId": "segment2",
        "startPageNumber": 1,
        "endPageNumber": 1,
        "category": "Identity_card",
        "confidence": 0.99,
        "source": "D(1,1.16,4.95,3.82,4.95,3.82,8.52,1.16,8.52)"
    }
]

API-velden

De volgende API-velden ondersteunen segmentatie in pagina's:

Classificatielimieten

Zie Servicequota en -limieten voor informatie over ondersteunde indelingen voor invoerdocumentaties en classificaties.

Beste praktijken

Als u de classificatie en het splitsen van de kwaliteit wilt verbeteren, gebruikt u een goede categorienaam en beschrijving, zodat het model de categorieën met een bepaalde context kan begrijpen. Zie Best practices voor meer informatie over categorienamen en beschrijvingen.

Belangrijkste voordelen

• Nauwkeurigheid en betrouwbaarheid: zorg voor nauwkeurige documentclassificatie om fouten te verminderen en de efficiëntie te verbeteren.
• Schaalbaarheid: schaal documentverwerking uit om te voldoen aan de bedrijfsbehoeften.
• Aanpasbaar: Pas de documentclassificatie aan zodat deze past bij specifieke werkstromen.

Ondersteunde talen en regio's

Zie Taal- en regioondersteuning voor een lijst met ondersteunde talen en regio's.

Gegevensprivacy en -beveiliging

Als u Content Understanding gebruikt, controleert u het Microsoft-beleid op klantgegevens. Zie Gegevens, beveiliging en privacy voor meer informatie.

Verwante inhoud

• Probeer uw documentinhoud te verwerken in Content Understanding Studio
• Meer informatie over het verwerken van documentinhoud met behulp van analysesjablonen.