Azure Content Understanding in Foundry Tools document solutions (Azure Content Understanding in Foundry Tools — rozwiązania dokumentów)

Usługa Content Understanding oferuje zaawansowane możliwości analizy dokumentów. Organizacje mogą używać tych funkcji do konwertowania zawartości bez struktury na dane umożliwiające podejmowanie działań i organizowanie. Analiza zawartości umożliwia korzystanie z analizatorów dostosowywalnych do wyodrębniania niezbędnych informacji, pól i relacji z różnorodnych dokumentów i formularzy.

Note

  • W ramach funkcji Azure Content Understanding usługa Azure Document Intelligence zapewnia bardzo dokładne i niezawodne deterministyczne wyodrębnianie danych ze strukturalnych dokumentów.
  • Usługa Content Understanding oferuje również analizatory oparte na języku LLM dla złożonej, nieustrukturyzowanej i wielomodalnej zawartości.
  • Razem ułatwiają przygotowanie danych dla inteligentnych agentów i aplikacji, które mogą odczytywać, analizować i reagować na zawartość w świecie rzeczywistym z dokładnością i szybkością.
  • Aby porównać zarówno usługi, jak i określić, które najlepiej pasuje do danego scenariusza, zobacz Uzyj odpowiednie narzędzie Azure sztucznej inteligencji do przetwarzania dokumentów.

Przypadki użycia biznesowego

Analizatory dokumentów mogą przetwarzać złożone dokumenty w różnych formatach i szablonach:

  • Zarządzanie cyklem życia kontraktu: Wyodrębnij pola kluczy, klauzule i zobowiązania z różnych typów kontraktów.
  • Pożyczki i wnioski hipoteczne: Automatyzowanie przetwarzania w celu umożliwienia szybszej obsługi przez banki, kredytodawców i podmioty rządowe.
  • Usługi finansowe: Analizowanie złożonych dokumentów, takich jak raporty finansowe i raporty zarządzania zasobami.
  • Zarządzanie wydatkami: Przeanalizuj paragony i faktury od różnych sprzedawców detalicznych, aby zweryfikować wydatki w różnych formatach i szablonach.
  • Analiza zasad ubezpieczeniowych: Przeanalizuj szczegóły polisy ubezpieczeniowej i skompiluj pełne zrozumienie pokrycia i luk w zasadach przy użyciu wieloetapowego rozumowania, obliczeń i walidacji.

Najważniejsze korzyści

Usługa Content Understanding zapewnia zaawansowane możliwości analizy dokumentów, które są przeznaczone do obsługi krytycznych scenariuszy biznesowych i korporacyjnych, takich jak generacja wspomagana wyszukiwaniem (RAG) i automatyzacja procesów biznesowych przez roboty. Najważniejsze korzyści to:

  • Włączanie inteligentnego wyszukiwania: Przekształcanie dokumentów bez struktury w ustrukturyzowane, przeszukiwalne zasoby danych w celu zwiększenia możliwości odnajdywania informacji i ułatwień dostępu w całej organizacji.
  • Gruntowne wyodrębnianie danych: Zachowaj wyraźną śledzność i lokalizację wyodrębnionych danych, aby ułatwić efektywne procesy przeglądu przez człowieka oraz zapewnić przejrzystość i zgodność.
  • Automatyzacja sterowana ufnością: Użyj wbudowanego oceniania zaufania, aby inteligentnie zautomatyzować zadania przetwarzania dokumentów, aby ułatwić optymalizację alokacji zasobów, zmniejszenie kosztów operacyjnych i zwiększenie dokładności podejmowania decyzji.
  • Elastyczne dostosowywanie: Łatwe dostosowywanie i dostosowywanie analizatorów dokumentów w celu dostosowania ich do określonych procesów biznesowych i przepływów pracy. Dostosowywanie umożliwia precyzyjne wyodrębnianie i klasyfikację dostosowaną do określonych wymagań organizacji.
  • Zwiększona dokładność i niezawodność: Osiągnij precyzyjne wyodrębnianie i klasyfikację krytycznych danych biznesowych, aby zmniejszyć błędy i zwiększyć wydajność operacyjną w zautomatyzowanych przepływach pracy.
  • Agenci są gotowi: Przetwarzanie różnorodnych danych wejściowych i dostarczanie danych wyjściowych w standardowym formacie gotowym do przepływu pracy agenta. Dane wyjściowe mogą dać Twojej aplikacji zrozumienie intencji użytkownika na podstawie danych obsługiwanych przez strongly-typed schemat, który ułatwia łatwe pozyskiwanie danych w formacie gotowym do użycia przez twój kod.

Możliwości analizatora dokumentów

Zrzut ekranu przedstawiający proces ekstrakcji dokumentów.

Wyodrębnianie zawartości

Wyodrębnianie zawartości stanowi podstawę możliwości analizy dokumentów usługi Content Understanding. Ten proces przekształca dokumenty bez struktury w ustrukturyzowane, czytelne dla maszyny dane. Wyodrębnianie zawartości precyzyjnie wykrywa tekst drukowany i odręczny, zachowując strukturę dokumentu za pomocą zaawansowanej analizy struktury.

  • Analiza zawartości
    • Tekst: Przetwarza wielojęzyczną zawartość, w tym tekst drukowany maszynowo i odręczny z setek języków.
    • Znaczniki wyboru: identyfikuje i wyodrębnia wskaźniki wyboru, takie jak pola wyboru, przyciski i podobne znaczniki.
    • Wykrywanie kodów kreskowych: skanuje i dekoduje informacje z kilkunastu typów liniowych i dwuwymiarowych kodów kreskowych.
    • Formuły matematyczne: przechwytuje i zachowuje złożone wyrażenia matematyczne w formacie LaTeX.
    • Elementy obrazu: lokalizuje i wyodrębnia obrazy, rysunki, diagramy i wykresy wraz z powiązanymi podpisami i adnotacjami.
    • Elementy hiperłącza: wykrywa hiperłącza osadzone w dokumencie.
    • Elementy adnotacji: łączą zawartość z jej adnotacjami, takimi jak przekreślenie, podkreślenie i wyróżnienie.
    • Elementy wykresu: Wykrywa i wyodrębnia elementy wykresu do uporządkowanych danych wyjściowych.
    • Wykrywanie podpisów: wykrywa podpisy i zwraca ich lokalizację oraz dowolny tekst rozpoznany w regionie podpisu.
    • Metadane dokumentu: wyodrębnia osadzone metadane, takie jak autor, data utworzenia i tytuł, z obsługiwanych typów plików.
  • Analiza struktury
    • Akapity: wykrywa i kategoryzuje segmenty tekstu na podstawie kontekstu i roli dokumentu.
    • Dane tabelaryczne: rozpoznaje i wyodrębnia struktury tabel, w tym złożone formaty obejmujące komórki i układy wielostronicowe.
    • Sekcje hierarchiczne: mapuje organizację zawartości za pomocą nagłówków sekcji i zagnieżdżonych relacji zawartości.
  • Generowanie wspomagane pobieraniem (RAG)
    • Rozwiązania RAG: wyodrębnianie zawartości stanowi podstawę efektywnych systemów RAG poprzez przekształcenie nieprzetworzonych danych wielomodalnych na ustrukturyzowane formaty z możliwością wyszukiwania zoptymalizowane pod kątem pobierania. Aby dowiedzieć się więcej na temat tworzenia rozwiązań RAG, zobacz Retrieval-augmented generation.

Tryb ekstrakcji

Użyj extractionMode polecenia , aby wybrać sposób analizowania zawartości dokumentu. Użyj ekstrakcji uwzględniającej układ w przypadku dokumentów o strukturze, w których znaczenie mają tabele, sekcje i kolejność odczytu. Użyj szybszej ekstrakcji samego tekstu, aby uzyskać czysty Markdown na potrzeby scenariuszy RAG i przetwarzania dokumentów.

Wyodrębnianie pól

Wyodrębnianie pól umożliwia wyodrębnianie, klasyfikowanie i generowanie danych strukturalnych z różnych dokumentów i formularzy dostosowanych do wymagań. Proces przekształcania zawartości nieustrukturyzowanej na zorganizowane, umożliwiające podejmowanie działań informacje upraszcza zarządzanie danymi, zwiększa możliwości wyszukiwania i obsługuje zautomatyzowane przepływy pracy.

Można na przykład wyodrębnić szczegóły klienta, adresy do rozliczeń i wyszczególnione opłaty z faktur. Można również zidentyfikować strony umowne, daty odnowienia i warunki płatności w umowach prawnych.

Aby zmaksymalizować wydajność, użyj wstępnie utworzonych szablonów analizatorów, takich jak szablony dostosowane do faktur. Możesz również zaprojektować analizatory niestandardowe od podstaw, aby zwiększyć precyzję dzięki etykietowaniu większej liczby przykładowych dokumentów.

Interfejs API ufności i uziemienia jest funkcją opt-in dostępną dla wszystkich typów pól dokumentów, niezależnie od tego, czy używają extractmetody , classify, czy generate . Aby skonfigurować zestawienie pewności i podstawy dla wyodrębniania pól, ustaw estimateFieldSourceAndConfidence = true w konfiguracji analizatora lub estimateSourceAndConfidence = true dla konkretnego pola.

Obsługiwane wartości pól określonego typu, takie jak daty i liczby, są automatycznie normalizowane do formatu kanonicznego. Normalizacja nie jest konfigurowalna. Zwracana wartość pola to znormalizowana wartość.

Użyj współczynników ufności i oparcia na źródle, aby kierować ekstrakcje o niskim poziomie pewności lub niewystarczająco oparte na źródle do weryfikacji przez człowieka. Utrzymuj wyniki o wysokiej pewności, oparte na wiarygodnych źródłach, w kolejnych zautomatyzowanych przepływach pracy.

Metody wyodrębniania pól

Omówienie zawartości udostępnia uniwersalne metody wyodrębniania pól, które umożliwiają precyzyjne i dostosowane przetwarzanie zawartości dokumentu:

  • Wyodrębnianie: wyodrębnianie określonych danych, takich jak daty transakcji z paragonów lub elementów wierszy z faktur, w celu uzyskania dokładnego i ukierunkowanego przechwytywania informacji.
  • Klasyfikuj: kategoryzuj zawartość dokumentu na wstępnie zdefiniowane kategorie, takie jak klasyfikowanie tonacji w transkrypcjach połączeń klienta lub klasyfikowanie elementów paragonów hotelowych.
  • Generowanie: tworzenie nowych szczegółowych informacji lub podsumowań z dokumentów, w tym podsumowań dokumentów i przeglądów rozdziałów w celu zwiększenia ułatwień dostępu do zawartości i zrozumienia.

Tryb agenta (wersja zapoznawcza)

W przypadku scenariuszy, w których odpowiedź nie znajduje się bezpośrednio w polu i musi być zbudowana na podstawie dowodów w dokumencie, należy użyć trybu agenta. Tryb agentowy analizuje dokument, aby wspierać obliczenia wieloetapowe, weryfikację względem zestawu warunków oraz analizę złożonych tabel lub rysunków. Jest ona dostępna w wersji 2026-06-01-previewinterfejsu API, a początkowa wersja zapoznawcza obsługuje jeden plik wejściowy na żądanie analizy.

Wymagania dotyczące danych wejściowych

Aby uzyskać więcej informacji na temat obsługiwanych formatów dokumentów wejściowych, zobacz Limity przydziału i limity usługi.

Obsługiwane języki i regiony

Aby uzyskać listę obsługiwanych języków i regionów, zobacz Obsługa języków i regionów.

Dane, prywatność i zabezpieczenia

Jeśli używasz usługi Content Understanding, zapoznaj się z zasadami firmy Microsoft dotyczącymi danych klientów. Aby uzyskać więcej informacji, zobacz Dane, prywatność i zabezpieczenia.

Treści powiązane

  • Last updated on