Dokumentlösningar för Azure Content Understanding i Foundry Tools

Content Understanding erbjuder avancerade funktioner för dokumentanalys. Organisationer kan använda dessa funktioner för att konvertera ostrukturerat innehåll till användbara och organiserade data. Content Understanding kan använda anpassningsbara analysverktyg för att extrahera viktig information, fält och relationer från en mängd olika dokument och formulär.

Användningsfall för företag

Dokumentanalysverktyg kan bearbeta komplexa dokument i olika format och mallar:

• Livscykelhantering för kontrakt: Extrahera nyckelfält, satser och skyldigheter från olika kontraktstyper.
• Låne- och inteckningsprogram: Automatisera bearbetningen för att möjliggöra snabbare hantering av banker, långivare och myndigheter.
• Finansiella tjänster: Analysera komplexa dokument som finansiella rapporter och tillgångshanteringsrapporter.
• Kostnadshantering: Parsa kvitton och fakturor från olika återförsäljare för att verifiera utgifter i olika format och mallar.
• Försäkringspolicyanalys: Parsa information om försäkringen och skapa en fullständig förståelse för principtäckningen och luckor med hjälp av resonemang, beräkningar och valideringar i flera steg.

Viktiga fördelar

Content Understanding ger kraftfulla funktioner för dokumentanalys som är utformade för att hantera kritiska företags- och affärsscenarier, till exempel hämtning av utökad generation (RAG) och automatisering av robotprocesser. Viktiga fördelar är:

• Intelligent sökaktivering: Omvandla ostrukturerade dokument till strukturerade, sökbara datatillgångar för att förbättra informationsidentifiering och tillgänglighet i hela organisationen.
• Grundad dataextrahering: Upprätthålla tydlig spårbarhet och lokalisering av extraherade data för att underlätta effektiva granskningsprocesser i samverkan med människor och säkerställa transparens och efterlevnad.
• Förtroendedriven automatisering: Använd inbyggd konfidensbedömning för att på ett intelligent sätt automatisera dokumentbearbetningsuppgifter för att optimera resursallokering, minska driftskostnaderna och förbättra noggrannheten i beslutsfattandet.
• Flexibel anpassning: Anpassa och skräddarsy dokumentanalyserare enkelt så att de överensstämmer med specifika affärsprocesser och arbetsflöden. Anpassning möjliggör exakt extrahering och klassificering som är anpassad efter organisationens specifika krav.
• Förbättrad noggrannhet och tillförlitlighet: Uppnå exakt extrahering och klassificering av kritiska affärsdata för att minska fel och förbättra drifteffektiviteten i automatiserade arbetsflöden.
• Agenter redo: Bearbeta dina olika indata och leverera utdata i ett standardformat som är redo för en agent arbetsflöde. Utdata kan ge ditt program en förståelse för användarens avsikt, med data som stöds av ett strongly-typed schema som gör det enklare att snabbt hämta data i ett format som är redo för koden.

Funktioner för dokumentanalys

Extrahering av innehåll

Extrahering av innehåll utgör grunden för dokumentanalysförmågornas förmåga att förstå innehåll. Den här processen omvandlar ostrukturerade dokument till strukturerade, maskinläsbara data. Extrahering av innehåll fångar exakt tryckt och handskriven text samtidigt som dokumentets struktur bevaras genom avancerad layoutanalys:

• Innehållsanalys
  • Text: Bearbetar flerspråkigt innehåll, inklusive både maskintryckt och handskrivet text från hundratals språk.
  • Markeringsmarkeringar: Identifierar och extraherar markeringsindikatorer, till exempel kryssrutor, knappar och liknande markörer.
  • Streckkodsidentifiering: Söker igenom och avkodar information från över ett dussin typer av linjära och tvådimensionella streckkoder.
  • Matematiska formler: Samlar in och bevarar komplexa matematiska uttryck i LaTeX-format.
  • Bildelement: Letar upp och extraherar bilder, figurer, diagram och diagram tillsammans med deras relaterade bildtexter och anteckningar.
  • Hyperlänkelement: Identifierar hyperlänkar som är inbäddade i dokumentet.
  • Anteckningselement: Associerar innehållet med dess anteckningar, till exempel genomstrykning, understrykning och markering.
  • Bildelement: Identifierar och extraherar figurelement till strukturerade utdata.
  • Signaturidentifiering: Identifierar signaturer och returnerar deras plats, tillsammans med all text som identifieras i signaturregionen.
  • Dokumentmetadata: Extraherar inbäddade metadata, till exempel författare, skapandedatum och rubrik, från filtyper som stöds.
• Strukturanalys
  • Stycken: Identifierar och kategoriserar textsegment baserat på dokumentets kontext och deras roll.
  • Tabelldata: Identifierar och extraherar tabellstrukturer, inklusive komplexa format med celler och layouter med flera sidor.
  • Hierarkiska avsnitt: Mappar innehållsorganisationen genom avsnittsrubriker och kapslade innehållsrelationer.
• Hämtningsförhöjd generation (RAG)
  • RAG-lösningar: Innehållsextrahering utgör grunden för effektiva RAG-system genom att omvandla råa multimodala data till strukturerade, sökbara format som är optimerade för hämtning. Mer information om hur du skapar RAG-lösningar finns i Hämtningsförhöjd generation.

Extraheringsläge

Använd extractionMode för att välja hur du ska analysera dokumentinnehåll. Använd layoutmedveten extrahering för strukturerade dokument, där tabeller, avsnitt och läsordning spelar roll. Använd snabbare extrahering av endast text för att skapa rena Markdown för RAG- och dokumentinmatningsscenarier.

Fältextrahering

Med fältextrahering kan du extrahera, klassificera och generera strukturerade data från olika dokument och formulär som är anpassade för att uppfylla dina krav. Processen med att omvandla ostrukturerat innehåll till organiserad, användbar information förenklar datahanteringen, förbättrar sökbarheten och stöder automatiserade arbetsflöden.

Du kan till exempel extrahera kundinformation, faktureringsadresser och specificerade avgifter från fakturor. Du kan också identifiera avtalsparter, förnyelsedatum och betalningsvillkor i juridiska avtal.

För att maximera effektiviteten använder du fördefinierade analysmallar, till exempel mallar som är skräddarsydda för fakturor. Du kan också utforma anpassade analysverktyg från grunden för att förbättra precisionen genom etikettering av fler exempeldokument.

Konfidens- och grounding-API:t är en valbar funktion som är tillgänglig för alla typer av dokumentfält, oavsett om de använder metoden extract, classify eller generate. Om du vill välja konfidens och grundinställning för fältextrahering anger du estimateFieldSourceAndConfidence = true i analyskonfigurationen eller estimateSourceAndConfidence = true för ett specifikt fält.

Fältvärden som stöds, till exempel datum och siffror, normaliseras automatiskt till ett kanoniskt format. Normalisering kan inte konfigureras. Fältets returnerade värde är det normaliserade värdet.

Använd konfidensvärden och källförankring för att skicka vidare extraheringar med låg konfidens eller otillräcklig källförankring för manuell granskning. Bibehåll tillförlitliga, välgrundade resultat i efterföljande automatiserade arbetsflöden.

Fältextraheringsmetoder

Content Understanding tillhandahåller mångsidiga metoder för fältextrahering, vilket möjliggör exakt och skräddarsydd bearbetning av dokumentinnehåll:

• Extrahera: Extrahera specifika data, till exempel transaktionsdatum från kvitton eller radobjekt från fakturor, för exakt och fokuserad informationsinsamling.
• Klassificera: Kategorisera dokumentinnehåll i fördefinierade kategorier, till exempel klassificera sentiment i kundsamtalsavskrifter eller klassificera hotellkvittoobjekt.
• Generera: Skapa nya insikter eller sammanfattningar från dina dokument, inklusive dokumentsammanfattningar och kapitelöversikter för att förbättra innehållets tillgänglighet och förståelse.

Agentiskt läge (förhandsversion)

För scenarier där svaret inte finns direkt i ett fält och måste byggas från bevis i ett dokument använder du agentiskt läge. Agentläge resonerar utifrån ett dokument för att stödja flerstegsberäkningar, validering mot en uppsättning villkor och analys av komplexa tabeller eller figurer. Den är tillgänglig med API-versionen 2026-06-01-previewoch den första förhandsversionen stöder en indatafil per analysbegäran.

Indatakrav

Mer information om indatadokumentformat som stöds finns i Tjänstkvoter och -gränser.

Språk och regioner som stöds

En lista över språk och regioner som stöds finns i Språk- och regionstöd.

Data, sekretess och säkerhet

Om du använder Content Understanding granskar du Microsofts principer för kunddata. Mer information finns i Data, sekretess och säkerhet.

Relaterat innehåll

• Prova att bearbeta dokumentinnehållet med hjälp av Content Understanding Studio.
• Läs snabbstarten för Content Understanding Studio.
• Lär dig att analysera dokumentinnehåll med hjälp av analysverktygsmallar.
• Granska kodexempel med visuell dokumentsökning.