Ogólny model dokumentu usługi Document Intelligence

Ta treść dotyczy:🟩v3.1 (ogólnie dostępna) | Poprzednie wersje:🟥v3.0 (wycofywana)🟥v2.1 (wycofywana)

Ogólny model dokumentu łączy zaawansowane możliwości optycznego rozpoznawania znaków (OCR) z modelami głębokiego uczenia do wyodrębniania par klucz–wartość, tabel i pól wyboru z dokumentów. Dokumentacja ogólna jest dostępna dla interfejsów API w wersjach 3.1 i 3.0. Aby uzyskać więcej informacji, zobacz nasz przewodnik migracji.

Ogólne funkcje dokumentu

• Ogólny model dokumentu to wstępnie wytrenowany model; nie wymaga etykiet ani trenowania.

• Pojedynczy interfejs API wyodrębnia pary klucz-wartość, znaczniki wyboru, tekst, tabele i strukturę z dokumentów.

• Ogólny model dokumentów obsługuje dokumenty ustrukturyzowane, częściowo ustrukturyzowane i nieustrukturyzowane.

• Znaczniki wyboru są identyfikowane jako pola o wartości :selected: lub :unselected:.

Przykładowy dokument przetworzony w programie Document Intelligence Studio

Wyodrębnianie par klucz-wartość

Interfejs API ogólnego dokumentu obsługuje większość typów formularzy i analizuje dokumenty oraz wyodrębnia klucze i skojarzone wartości. Idealnie nadaje się do wyodrębniania typowych par klucz-wartość z dokumentów. Model dokumentu ogólnego można użyć jako alternatywy do trenowania modelu niestandardowego bez etykiet.

Opcje programowania

Narzędzie Document Intelligence w wersji 3.1 obsługuje następujące narzędzia, aplikacje i biblioteki:

Narzędzie Document Intelligence w wersji 3.0 obsługuje następujące narzędzia, aplikacje i biblioteki:

Wymagania dotyczące danych wejściowych

Obsługiwane są następujące formaty plików.

• Zdjęcia i skanowania: Aby uzyskać najlepsze wyniki, podaj jedno jasne zdjęcie lub wysokiej jakości skanowanie na dokument.
• Pliki PDF i pliki TIFF: w przypadku plików PDF i plików TIFF można przetworzyć maksymalnie 2000 stron. (W przypadku subskrypcji w warstwie Bezpłatna przetwarzane są tylko dwie pierwsze strony).
• Rozmiar pliku: rozmiar pliku do analizowania dokumentów wynosi 500 MB dla warstwy płatnej (S0) i 4 MB dla warstwy bezpłatnej (F0).
• Wymiary obrazu: Wymiary muszą mieć od 50 pikseli x 50 pikseli do 10 000 pikseli x 10 000 pikseli.
• Blokady haseł: jeśli pliki PDF są zablokowane hasłem, należy usunąć blokadę przed przesłaniem.
• Wysokość tekstu: minimalna wysokość tekstu do wyodrębnienia wynosi 12 pikseli dla obrazu 1024 x 768 pikseli. Ten rozmiar odpowiada około 8-punktowemu tekstowi przy 150 pikselach na cal.
• Trenowanie modelu niestandardowego: maksymalna liczba stron dla danych szkoleniowych to 500 dla niestandardowego modelu szablonu i 50 000 dla niestandardowego modelu neuronowego.
• Trenowanie niestandardowego modelu wyodrębniania: całkowity rozmiar danych treningowych wynosi 50 MB dla modelu wzorcowego i 1 GB dla modelu neuronowego.
• Szkolenie niestandardowego modelu klasyfikacji: całkowity rozmiar danych treningowych wynosi 1 GB, maksymalnie do 10 000 stron. W przypadku wersji 2024-11-30 (GA) całkowity rozmiar danych treningowych wynosi 2 GB z maksymalnie 10 000 stron.
• Typy plików pakietu Office (DOCX, XLSX, PPTX): Maksymalny limit długości ciągu wynosi 8 milionów znaków.

Wyodrębnianie danych z ogólnego modelu dokumentu

Spróbuj wyodrębnić dane z formularzy i dokumentów przy użyciu programu Document Intelligence Studio.

Potrzebne są następujące zasoby:

• Subskrypcja platformy Azure — możesz utworzyć jedną bezpłatnie.

• Instancja usługi Document Intelligence w portalu Azure. Aby wypróbować usługę, możesz użyć bezpłatnej warstwy cenowej (F0). Po wdrożeniu zasobu wybierz pozycję Przejdź do zasobu , aby uzyskać klucz i punkt końcowy.

1. Na stronie głównej narzędzia Document Intelligence Studio wybierz pozycję Dokumenty ogólne.

2. Możesz przeanalizować przykładowy dokument lub przekazać własne pliki.

3. Wybierz przycisk Uruchom analizę i w razie potrzeby skonfiguruj Opcje analizy:

   

   Wypróbuj narzędzie Document Intelligence Studio.

Pary klucz–wartość

Pary klucz–wartość to określone fragmenty dokumentu identyfikujące etykietę lub klucz oraz skojarzoną z nimi odpowiedź lub wartość. W formularzu ustrukturyzowanym te pary mogą być etykietą i wartością wprowadzoną przez użytkownika dla tego pola. W dokumencie bez struktury mogą one być datą wykonania umowy na podstawie tekstu w akapicie. Model sztucznej inteligencji jest trenowany w celu wyodrębniania możliwych do zidentyfikowania kluczy i wartości w oparciu o szeroką gamę typów dokumentów, formatów i struktur.

Klucze mogą również istnieć w izolacji, gdy model wykryje, że klucz istnieje, bez skojarzonej wartości lub podczas przetwarzania pól opcjonalnych. Na przykład pole nazwy środkowej może być puste w formularzu w niektórych przypadkach. Pary klucz-wartość to zakresy tekstu zawartego w dokumencie. W przypadku dokumentów, w których ta sama wartość jest opisywana na różne sposoby, na przykład jako customer/user, odpowiadający jej klucz to customer lub user (w zależności od kontekstu).

Wyodrębnianie danych

✓* - Dostępne tylko w interfejsie API 2023-07-31 (v3.1 GA) i w nowszych wersjach.

Obsługiwane języki i ustawienia regionalne

Zobacz naszą stronę Obsługa języka — modele analizy dokumentów, aby uzyskać pełną listę obsługiwanych języków.

Kwestie wymagające rozważenia

• Ponieważ klucze są fragmentami tekstu wyodrębnianego z dokumentu, w przypadku dokumentów częściowo ustrukturyzowanych klucze muszą być mapowane na istniejący słownik kluczy.

• Możesz zobaczyć pary klucz-wartość zawierające klucz, ale bez wartości. Jeśli na przykład użytkownik zdecydował się nie podać adresu e-mail w formularzu.