Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
A számlafeldolgozási AI-modell kinyeri a legfontosabb számlaadatokat, hogy segítsen automatizálni a számlák feldolgozását. A számlafeldolgozási modell úgy van optimalizálva, hogy felismerje a gyakori számlaelemeket, például a számlaazonosítót, a számla dátumát, az esedékes összeget stb.
A Számlák modell lehetővé teszi az alapértelmezett viselkedés bővítését egy egyéni számlamodell létrehozásával.
A Power Appsben való használat
Ha meg szeretné tudni, hogyan használhatja a számlafeldolgozási előre összeállított modellt Power Apps, látogasson el a Számlafeldolgozási előre összeállított modell használata című témakörre Power Apps.
A Power Automate-ben való használat
Ha meg szeretné tudni, hogyan használhatja a számlafeldolgozási előre összeállított modellt Power Automate, látogasson el a Számlafeldolgozási előre összeállított modell használata című témakörre Power Automate.
Támogatott nyelvek és fájlok
A következő nyelvek támogatottak: albán (Albánia), cseh (Cseh Köztársaság), kínai (egyszerűsített) Kína, kínai (hagyományos) Hongkong KKT, kínai (hagyományos) Tajvan, dán (Dánia), horvát (Bosznia-Hercegovina), horvát (Horvátország), horvát (Szerbia), holland (Hollandia), angol (Ausztrália), angol (Kanada), angol (India), angol (Egyesült Királyság), angol (Egyesült Államok), észt (Észtország), finn (Finnország), francia (Franciaország), német (Németország), magyar (Magyarország), izlandi (Izland), olasz (Olaszország), japán (Japán), koreai (Korea), litván (Litvánia), lett (Lettország), maláj (Malajzia), norvég (Norvégia), lengyel (Lengyelország), portugál (Portugália), román (Románia), szlovák (Szlovákia), szlovén (Szlovénia), szerb (Szerbia), spanyol (Spanyolország), svéd (Svédország).
A legjobb eredmény érdekében egyetlen tiszta fotót vagy szkennelt képet adjon meg számlánként.
- A képformátumnak JPEG-nek, PNG-nek vagy PDF-nek kell lennie.
- A fájl mérete nem haladhatja meg a 20 MB-ot.
- A kép méretének 50 x 50 és 10000 x 10000 képpont között kell lennie.
- A PDF mérete legfeljebb 17 x 17 hüvelyk nagyságú lehet amely egyenértékű a Legal, A3 vagy kisebb papírméretekkel.
- PDF-dokumentumok esetén csak az első 2,000-oldalt dolgozza fel a rendszer.
A modell kimenete
Ha a rendszer számlát észlel, a számlafeldolgozási modell a következő információkat adja ki:
| Tulajdonság | Definíció |
|---|---|
| Esedékes összeg (szöveg) | Az esedékes összeg a számlán szereplő módon. |
| Esedékes összeg (szám) | Esedékes összeg szabványos számformátumban. Példa: 1234,98. |
| Esedékes összeg megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Számlázási cím | Számlázási cím. |
| Számlázási cím megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Számlázási címhez tartozó címzett | Számlázási címhez tartozó címzett. |
| A számlázási címhez tartozó címzett megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Ügyfél címe | Ügyfél címe. |
| Ügyfél címének megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Ügyfél címéhez tartozó címzett | Ügyfél címéhez tartozó címzett. |
| Ügyfél címéhez tartozó címzett megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Ügyfél-azonosító | Ügyfél-azonosító. |
| Ügyfél-azonosító megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Ügyfél neve | Ügyfél neve. |
| Az ügyfél nevének megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Ügyfél adóazonosítója | Az ügyfélhez társított adószám. |
| Ügyfél adóazonosítójának konfidenciája | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Esedékesség dátuma (szöveg) | A fizetési határidő a számlán szereplő módon. |
| Esedékesség dátuma (dátum) | Határidő szabványosított dátumformátumban. Példa: 2019-05-31. |
| Fizetési határidő megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Számlázási dátum (szöveg) | A számla dátuma a számlán szereplő módon. |
| Számlázási dátum (dátum) | Számla dátuma szabványosított dátumformátumban. Példa: 2019-05-31. |
| Számla dátumának megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Számlaazonosító | Számlaazonosító. |
| Számlaazonosító megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Számla végösszege (szöveg) | A számla végösszege a számlán szereplő módon. |
| Számla végösszege (szám) | Számla összege szabványosított dátumformátumban. Példa: 2019-05-31. |
| Számla teljes összegének megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Sortételek | A számlából kinyert sorelemek. Minden oszlophoz elérhetők a megbízhatósági pontszámok.
|
| Fizetési feltételek | A számla fizetési feltételei. |
| A fizetési feltételek konfidenciája | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Beszerzési rendelés | Beszerzési rendelés. |
| Beszerzési rendelés megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Előző kifizetetlen egyenleg (szöveg) | Az előző kifizetetlen egyenleg a számlán szereplő módon. |
| Előző kifizetetlen egyenleg (szám) | Korábbi nem megfizetett egyenleg szabvány számformátumban. Példa: 1234,98. |
| Előző kifizetetlen egyenleghez tartozó konfidencia | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Átutalási cím | Átutalási cím. |
| Átutalás címének megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Átutalási címhez tartozó címzett | Átutalási címhez tartozó címzett. |
| Az átutalási címhez tartozó címzett megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szolgáltatás címe | Szolgáltatás címe. |
| Szolgáltatási cím megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szolgáltatási címhez tartozó címzett | Szolgáltatási címhez tartozó címzett. |
| Szolgáltatási címhez tartozó címzett megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szolgáltatás kezdési dátuma (szöveg) | A szolgáltatás kezdési dátuma a számlán szereplő módon. |
| Szolgáltatás kezdési dátuma (dátum) | A szolgáltatás kezdő dátuma szabványos dátumformátumban. Példa: 2019-05-31. |
| A szolgáltatás kezdési dátumának konfidenciája | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szolgáltatás befejezési dátuma (szöveg) | A szolgáltatás befejezési dátuma a számlán szereplő módon. |
| Szolgáltatás befejezési dátuma (dátum) | A szolgáltatás befejező dátuma szabványos dátumformátumban. Példa: 2019-05-31. |
| A szolgáltatás befejezési dátumának konfidenciája | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szállítási cím | Szállítási cím. |
| Szállítási cím megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szállítási címhez tartozó címzett | Szállítási címhez tartozó címzett. |
| A szállítási címhez tartozó címzett megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Részösszeg (szöveg) | Részösszeg a számlán szereplő módon. |
| Részösszeg (szám) | Részösszeg szabványos számformátumban. Példa: 1234,98. |
| Részösszeg megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Összes adó (szöveg) | Az összes adó a számlán szereplő módon. |
| Összes adó (szám) | Összes adó szabványos számformátumban. Példa: 1234,98. |
| Összes adó megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szállító címe | Szállító címe. |
| Szállítói cím megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szállító címéhez tartozó címzett | Szállító címéhez tartozó címzett. |
| A szállító címéhez tartozó címzett megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Szállító neve | Szállító neve. |
| A szállító nevének megbízhatósága | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Beszállítói adóazonosító | Az eladóhoz társított adózói szám. |
| A beszállítói adóazonosító konfidenciája | Azt adja meg, hogy mennyire biztos a modell az előrejelzésében. 0 (gyenge megbízhatóság) és 1 (nagy megbízhatóság) közötti pontszám. |
| Felismert szöveg | A OCR számlán való futtatásából származó felismert szövegsor. A szöveg listájának részeként lett visszaadva. |
| Észlelt kulcs | A kulcs-érték párok az összes azonosított címke vagy kulcs, valamint a hozzájuk tartozó válaszok vagy értékek. Ezekkel további értékeket is kinyerhet, amelyek nem részei az előre definiált mezőlistának. |
| Észlelt érték | A kulcs-érték párok az összes azonosított címke vagy kulcs, valamint a hozzájuk tartozó válaszok vagy értékek. Ezekkel további értékeket is kinyerhet, amelyek nem részei az előre definiált mezőlistának. |
Kulcs-érték párok
A kulcs-érték párok az összes azonosított címke vagy kulcs, valamint a hozzájuk tartozó válaszok vagy értékek. Ezekkel további értékeket is kinyerhet, amelyek nem részei az előre definiált mezőlistának.
A számlafeldolgozási modell által észlelt összes kulcs-érték pár megjelenítéséhez hozzáadhat egy HTML-táblázat létrehozása műveletet a felhőfolyamathoz a képernyőképen látható módon, és futtathatja a felhőfolyamatot.
Ha ki szeretne nyerni egy adott kulcsot, amelynek az értékét ismeri, használhatja a Tömb szűrése műveletet az alábbi képernyőképen látható módon. A képernyőkép példájában ki akarjuk vonni a Tel kulcs értékét:
Korlátozások
A következő korlát vonatkozik a környezetenként végrehajtott hívásokra a dokumentumfeldolgozási modellekben, beleértve az előre összeállított modelleket is: nyugtafeldolgozás és számlafeldolgozás.
| Akció | Korlát | Megújítási időszak |
|---|---|---|
| Hívások (környezetenként) | 360 | 60 másodperc |
Egyéni számlafeldolgozási megoldás létrehozása
Az előre felépített számlafeldolgozási AI-modell arra van kialakítva, hogy kinyerje a számlákon található általános mezőket. Mivel minden vállalat egyedi, ezért előfordulhat, hogy a kinyert mezőket nem ebben az előre felépített modellben szereplő mezőkből szeretné kinyerni. Az is előfordulhat, hogy bizonyos szabványos mezőket nem lehet megfelelően kivonni egy bizonyos típusú számlákhoz, amivel Ön dolgozik. Ennek megoldására kétféle lehetőség van:
Egyéni számlafeldolgozási modell használata: Az előre összeállított számlafeldolgozási modell viselkedésének bővítése az alapértelmezés szerint kinyerendőmezők vagy a nem megfelelően kinyert dokumentumminták mellett új mezők hozzáadásával. Az előre összeállított számlafeldolgozási modell bővítéséről a Dokumentum típusának kiválasztása című témakörben olvashat.
Nyers OCR-eredmények megtekintése: Minden alkalommal, amikor a számlafeldolgozás előre elkészített AI-modell feldolgozza az Ön által megadott fájlt, OCR-műveletet is végrehajt a fájlba írt összes szó kibontásához. A nyers OCR-eredmények a modell által biztosított észleltszöveg-kimeneten férhetők hozzá. Az észlelt szövegből visszaadott tartalmon egy egyszerű keresés elegendő lehet a szükséges adatok megszerzéséhez.
Dokumentumfeldolgozás használata: Saját AI Builder egyéni AI-modellt is létrehozhat a használt dokumentumokhoz szükséges mezők és táblák kinyeréséhez. Csak hozzon létre egy dokumentumfeldolgozási modellt , és tanítsa be az összes olyan információ kinyerésére a számláról, amely nem működik jól a számlakinyerési modellel.
Miután betanította az egyéni dokumentumfeldolgozási modellt, kombinálhatja azt a számlafeldolgozás előre összeállított modelljével egy Power Automate felhőfolyamatban.
Íme néhány példa:
Egyéni dokumentumfeldolgozási modell használata további mezők kinyeréséhez, amelyeket a számlafeldolgozási modell nem ad vissza
Ebben a példában egy egyéni dokumentumfeldolgozási modellt képeztünk be egy hűségprogramszám kinyerésére, amely csak az Adatum és a Contoso szolgáltatók számláin szerepel.
A felhőfolyamat akkor aktiválódik, amikor új számlát adnak hozzá egy SharePoint mappához. Ezután az előre felépített számlafeldolgozási AI-modellt hív az adatainak kinyeréséhez. Ezután ellenőrizzük, hogy a feldolgozott számla szállítója az Adatumtól vagy a Contoso-tól származik-e. Ha ez a helyzet, akkor meghívunk egy egyéni dokumentumfeldolgozási modellt, amelyet betanítottunk a hűségszám lekérésére. Végül a számláról kinyert adatokat egy Excel-fájlba mentjük.
Egyéni dokumentumfeldolgozási modell használata, ha a számlafeldolgozási modell által visszaadott mező megbízhatósági pontszáma alacsony
Ebben a példában egy egyéni dokumentumfeldolgozási modellt képeztünk be, hogy kinyerje a teljes összeget a számlákból, ahol általában alacsony megbízhatósági pontszámot kapunk az előre összeállított számlafeldolgozási modell használatakor.
A felhőfolyamat akkor aktiválódik, amikor új számlát adnak hozzá egy SharePoint mappához. Ezután az előre felépített számlafeldolgozási AI-modellt hív az adatainak kinyeréséhez. Ezután ellenőrizzük, hogy a Számla teljes értéke tulajdonság megbízhatósági pontszáma kisebb-e 0,65-nél. Ha ez a helyzet, akkor meghívunk egy egyéni dokumentumfeldolgozási modellt, amelyet számlákkal tanítottunk be, ahol általában alacsony megbízhatósági pontszámot kapunk a teljes mezőhöz. Végül a számláról kinyert adatokat egy Excel-fájlba mentjük.
Az előre összeállított számlafeldolgozási modell használatával kezelheti azokat a számlákat, amelyek kezelésére az egyéni dokumentumfeldolgozási modell nincs betanítva
Az előre összeállított számlafeldolgozási modell használatának egyik módja, ha tartalék modellként használja az egyéni dokumentumfeldolgozási modellben nem betanított számlák kezelésére. Tegyük fel például, hogy létrehozott egy dokumentumfeldolgozási modellt, és betanította arra, hogy adatokat nyerjen ki a 20 legfontosabb számlaszolgáltatótól. Ezután az előre felépített számlafeldolgozási modell segítségével feldolgozhat minden új számlát vagy kisebb volumenű számlákat. Íme egy példa erre:
Ez a felhőfolyamat akkor aktiválódik, amikor új számlát adnak hozzá egy SharePoint mappához. Ezután meghív egy egyéni dokumentumfeldolgozási modellt az adatok kinyeréséhez. Következő lépésként ellenőrizzük, hogy az észlelt gyűjtemény megbízhatósági pontszáma kisebb-e 0,65-nél. Ebben az esetben ez valószínűleg azt jelenti, hogy a megadott számla igazán megfelelő az egyéni modellhez. Ezt követően meghívjuk az előre elkészített számlafeldolgozási modellt. Végül a számláról kinyert adatokat egy Excel-fájlba mentjük.
