Dokumentumintelligencia-elrendezési modell

Fontos

• A Document Intelligence nyilvános előzetes verziójú kiadásai korai hozzáférést biztosítanak az aktív fejlesztés alatt lévő funkciókhoz. A funkciók, a megközelítések és a folyamatok az általános rendelkezésre állás (GA) előtt változhatnak a felhasználói visszajelzések alapján.
• A Document Intelligence ügyfélkódtárak nyilvános előzetes verziója alapértelmezés szerint a REST API 2024-07-31-preview verziója.
• A nyilvános előzetes verzió 2024-07-31 előzetes verziója jelenleg csak a következő Azure-régiókban érhető el. Vegye figyelembe, hogy az AI Studio egyéni generatív (dokumentummező-kinyerési) modellje csak az USA északi középső régiójában érhető el:
  • USA keleti régiója
  • USA2 nyugati régiója
  • Nyugat-Európa
  • USA északi középső régiója

Ez a tartalom a következőre vonatkozik: v4.0 (előzetes verzió) | Korábbi verziók: v3.1 (GA) v3.0 (GA) v2.1 (GA)

A Dokumentumintelligencia-elrendezési modell egy fejlett, gépi tanuláson alapuló dokumentumelemzési API, amely a Dokumentumintelligencia-felhőben érhető el. Lehetővé teszi a különböző formátumú dokumentumok készítését és a dokumentumok strukturált adatábrázolásának visszaadását. A hatékony optikai karakterfelismerési (OCR) képességek továbbfejlesztett verzióját ötvözi mélytanulási modellekkel a szöveg, a táblázatok, a kijelölési jelek és a dokumentumstruktúra kinyeréséhez.

Dokumentumelrendezés elemzése (v4)

A dokumentumstruktúra elrendezésének elemzése egy dokumentum elemzésének folyamata, amely kinyeri az érdekes régiókat és azok kapcsolatait. A cél a szöveg és a szerkezeti elemek kinyerése az oldalról, hogy jobb szemantikai megértési modelleket hozzon létre. A dokumentumelrendezés két szerepkörtípust különböztet meg:

• Geometriai szerepkörök: A szöveg, a táblázatok, az ábrák és a kijelölési jelek geometriai szerepkörökre mutatnak példákat.
• Logikai szerepkörök: A címek, címsorok és élőlábak példák a szövegek logikai szerepköreire.

Az alábbi ábra egy mintalap képének tipikus összetevőit mutatja be.

Fejlesztési lehetőségek (v4)

A Document Intelligence v4.0 (2024-07-31-preview) a következő eszközöket, alkalmazásokat és kódtárakat támogatja:

Szolgáltatás	Források	Modellazonosító
Elrendezési modell	• Document Intelligence Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK	előre összeállított elrendezés

Bemeneti követelmények (v4)

• Támogatott fájlformátumok:

  Modell	PDF	Kép: JPEG/JPG, PNG, BMP, TIFFHEIF	Microsoft Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
  Olvasás	✔	✔	✔
  Elrendezés	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview, 2023-10-31-preview)
  Általános dokumentum	✔	✔
  Előre összeállított	✔	✔
  Egyéni kinyerés	✔	✔
  Egyéni besorolás	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview)

• A legjobb eredmény érdekében dokumentumonként egy tiszta fényképet vagy kiváló minőségű vizsgálatot biztosít.

• PDF és TIFF esetén legfeljebb 2000 oldal dolgozható fel (ingyenes szintű előfizetéssel csak az első két oldal dolgozható fel).

• A dokumentumok elemzéséhez használt fájlméret 500 MB a fizetős (S0) szint, az 4 ingyenes (F0) szint esetén pedig MB.

• A képméreteknek 50 képpont x 50 képpont és 10 000 képpont x 10 000 képpont között kell lenniük.

• Ha a PDF-eket jelszó védi, akkor beküldés előtt el kell távolítania a védelmet.

• A kinyerni kívánt szöveg minimális magassága 12 képpont egy 1024 x 768 képpontos képhez. Ez a dimenzió körülbelül 8 150 pont/hüvelyk (DPI) pontszövegnek felel meg.

• Egyéni modell betanítása esetén a betanítási adatok oldalainak maximális száma az egyéni sablonmodell esetében 500, az egyéni neurális modell esetében pedig 50 000.

  • Egyéni extrakciós modell betanítása esetén a betanítási adatok teljes mérete 50 MB a sablonmodellhez, a neurális modellhez pedig 1 GB.

  • Egyéni besorolási modell betanítása esetén a betanítási adatok 1 teljes mérete GB, legfeljebb 10 000 oldal. A 2024-07-31-es és újabb verziókban a betanítási adatok 2 teljes mérete GB, legfeljebb 10 000 oldal.

Az Elrendezési modell használatának első lépései

Megtudhatja, hogyan nyerik ki az adatokat, beleértve a szöveget, a táblázatfejléceket, a kijelölési jeleket és a struktúraadatokat a dokumentumokból a Dokumentumintelligencia használatával. A következő erőforrásokra van szüksége:

• Azure-előfizetés – ingyenesen létrehozhat egyet.

• Dokumentumintelligencia-példány az Azure Portalon. A szolgáltatás kipróbálásához használhatja az ingyenes tarifacsomagot (F0). Az erőforrás üzembe helyezése után válassza az Ugrás az erőforráshoz lehetőséget a kulcs és a végpont lekéréséhez.

  

Feljegyzés

A Document Intelligence Studio 3.0-s és újabb verziójú API-kkal érhető el.

A Document Intelligence Studióval feldolgozott mintadokumentum

1. A Document Intelligence Studio kezdőlapján válassza az Elrendezés lehetőséget.

2. Elemezheti a mintadokumentumot, vagy feltöltheti saját fájljait.

3. Válassza az Elemzés futtatása gombot, és szükség esetén konfigurálja az Elemzési beállításokat:

   

   Próbálja ki a Document Intelligence Studiót.

Támogatott nyelvek és területi beállítások (ocr)

A támogatott nyelvek teljes listáját a Nyelvi támogatás – dokumentumelemzési modellek oldalon találja.

Adatkinyerés (v4)

Az elrendezési modell szövegeket, kijelölési jeleket, táblázatokat, bekezdéseket és bekezdéstípusokat (roles) nyer ki a dokumentumokból.

Feljegyzés

2023-10-31-previewA verziók és újabb verziók 2024-02-29-previewtámogatják a Microsoft Office-t (DOCX, XLSX, PPTX) és HTML-fájlokat. A következő funkciók nem támogatottak:

• Nincs szög, szélesség/magasság és egység az egyes oldalobjektumokkal.
• Minden észlelt objektum esetében nincs határoló sokszög vagy határoló régió.
• Az oldaltartomány (pages) paraméterként nem támogatott.
• Nincs lines objektum.

Oldalak

A lapgyűjtemény a dokumentum lapjainak listája. Minden oldal egymás után jelenik meg a dokumentumban és a .. A /tartalmazza a tájolási szöget, amely jelzi, hogy az oldal elforgatva van-e, valamint a szélességet és a magasságot (képpontban megadott méretek). A modell kimenetének oldalegységei az alábbi módon lesznek kiszámítva:

Fájlformátum	Számított oldalegység	Összes oldal
Képek (JPEG/JPG, PNG, BMP, HEIF)	Minden kép = 1 oldalegység	Összes kép
PDF	A PDF minden oldala = 1 oldalegység	A PDF összes oldala
ÖSSZETŰZÉS	A TIFF minden képe = 1 oldal	Összes kép a TIFF-ben
Word (DOCX)	Legfeljebb 3000 karakter = 1 oldalegység, beágyazott vagy csatolt képek nem támogatottak	Legfeljebb 3000 karakter hosszúságú oldalak összesen
Excel (XLSX)	Minden munkalap = 1 oldalegység, beágyazott vagy csatolt képek nem támogatottak	Munkalapok összesen
PowerPoint (PPTX)	Minden dia = 1 oldalegység, beágyazott vagy csatolt képek nem támogatottak	Összes dia
HTML	Legfeljebb 3000 karakter = 1 oldalegység, beágyazott vagy csatolt képek nem támogatottak	Legfeljebb 3000 karakter hosszúságú oldalak összesen

Mintakód

# Analyze pages.
for page in result.pages:
print(f"----Analyzing layout from page #{page.page_number}----")
print(f"Page has width: {page.width} and height: {page.height}, measured with unit: {page.unit}")

Minták megtekintése a GitHubon.

Hozam

"pages": [
    {
        "pageNumber": 1,
        "angle": 0,
        "width": 915,
        "height": 1190,
        "unit": "pixel",
        "words": [],
        "lines": [],
        "spans": []
    }
]

Kijelölt lapok kinyerése dokumentumokból

Nagyméretű, többoldalas dokumentumok esetén a pages lekérdezési paraméterrel konkrét oldalszámokat vagy oldaltartományokat jelölhet a szöveg kinyeréséhez.

Bekezdések

Az Elrendezési modell a gyűjtemény összes azonosított szövegblokkját legfelső szintű objektumként nyeri ki a paragraphs gyűjtemény alatt analyzeResults. A gyűjtemény minden bejegyzése egy szövegblokkot és .. A kinyert szöveg mintákatcontentés a határoló polygon koordinátákat tartalmazza. Az span információk a dokumentum teljes szövegét tartalmazó legfelső szintű content tulajdonság szövegtöredékére mutatnak.

"paragraphs": [
    {
        "spans": [],
        "boundingRegions": [],
        "content": "While healthcare is still in the early stages of its Al journey, we are seeing pharmaceutical and other life sciences organizations making major investments in Al and related technologies.\" TOM LAWRY | National Director for Al, Health and Life Sciences | Microsoft"
    }
]

Bekezdésszerepkörök

Az új gépi tanuláson alapuló lapobjektum-észlelés olyan logikai szerepköröket nyer ki, mint a címek, szakaszfejlécek, oldalfejlécek, oldallábak stb. A Dokumentumintelligencia-elrendezés modell bizonyos szövegblokkokat rendel hozzá a gyűjteményhez a paragraphs modell által előrejelzett speciális szerepkörrel vagy típussal. A legjobb, ha strukturálatlan dokumentumokkal rendelkező bekezdésszerepköröket használ a kinyert tartalom elrendezésének megértéséhez a részletesebb szemantikai elemzéshez. A következő bekezdésszerepkörök támogatottak:

Előrejelzett szerepkör	Leírás	Támogatott fájltípusok
title	A lap fő címsorai	pdf, image, docx, pptx, xlsx, html
sectionHeading	Egy vagy több alcím a lapon	pdf, image, docx, xlsx, html
footnote	Szöveg a lap alján	pdf, kép
pageHeader	Szöveg a lap felső széle közelében	pdf, kép, docx
pageFooter	Szöveg a lap alsó széle közelében	pdf, image, docx, pptx, html
pageNumber	Oldalszám	pdf, kép

{
    "paragraphs": [
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "title",
                    "content": "NEWS TODAY"
                },
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "sectionHeading",
                    "content": "Mirjam Nilsson"
                }
    ]
}

Szöveg, sorok és szavak

A Dokumentumintelligencia dokumentumelrendezési modellje kinyeri a nyomtatott és a kézzel írt stílusszöveget.lines words A styles gyűjtemény .. A /tartalmaz minden kézzel írt stílust a sorokhoz, ha a rendszer észleli, valamint a társított szövegre mutató spanokat. Ez a funkció a támogatott kézzel írt nyelvekre vonatkozik.

Microsoft Word, Excel, PowerPoint és HTML esetén a Dokumentumintelligencia 2024-02-29-preview és a 2023-10-31 előzetes verziójú elrendezési modell az összes beágyazott szöveget kinyeri. A szövegek szavakként és bekezdésekként lesznek kinyerve. A beágyazott képek nem támogatottak.

Mintakód

# Analyze lines.
if page.lines:
    for line_idx, line in enumerate(page.lines):
    words = get_words(page, line)
    print(
        f"...Line # {line_idx} has word count {len(words)} and text '{line.content}' "
        f"within bounding polygon '{line.polygon}'"
    )

    # Analyze words.
    for word in words:
        print(f"......Word '{word.content}' has a confidence of {word.confidence}")

Minták megtekintése a GitHubon.

Hozam

"words": [
    {
        "content": "While",
        "polygon": [],
        "confidence": 0.997,
        "span": {}
    },
],
"lines": [
    {
        "content": "While healthcare is still in the early stages of its Al journey, we",
        "polygon": [],
        "spans": [],
    }
]

Kézzel írt stílus szövegsorokhoz

A válasz .. A /magában foglalja annak besorolását, hogy az egyes szövegsorok kézírásstílussal vagy sem, valamint egy megbízhatósági pontszámmal együtt. További tudnivalók. Lásd: Kézzel írt nyelvi támogatás. Az alábbi példa egy JSON-kódrészletet mutat be.

"styles": [
{
    "confidence": 0.95,
    "spans": [
    {
        "offset": 509,
        "length": 24
    }
    "isHandwritten": true
    ]
}

Ha engedélyezi a betűtípus-/stílus hozzáadása funkciót, akkor az objektum részeként is megkapja a styles betűtípus/stílus eredményét.

Kijelölési jelek

Az Elrendezési modell kijelölési jeleket is kinyer a dokumentumokból. A kinyert kijelölési jelek az egyes lapok gyűjteményében pages jelennek meg. Ezek közé tartozik a határolókeret polygon, confidenceés a kijelölés state (selected/unselected). A szövegábrázolás (vagyis :selected: :unselected) is szerepel a kezdőindexben (offset), és length a dokumentum teljes szövegét tartalmazó legfelső szintű content tulajdonságra hivatkozik.

Mintakód

# Analyze selection marks.
if page.selection_marks:
    for selection_mark in page.selection_marks:
        print(
            f"Selection mark is '{selection_mark.state}' within bounding polygon "
            f"'{selection_mark.polygon}' and has a confidence of {selection_mark.confidence}"
        )

Minták megtekintése a GitHubon.

Hozam

{
    "selectionMarks": [
        {
            "state": "unselected",
            "polygon": [],
            "confidence": 0.995,
            "span": {
                "offset": 1421,
                "length": 12
            }
        }
    ]
}

Táblák

A táblák kinyerése kulcsfontosságú követelmény a nagy mennyiségű adatot tartalmazó dokumentumok feldolgozásához, amelyek általában táblákként formázhatók. Az Elrendezési modell a JSON-kimenet szakaszában pageResults lévő táblákat nyeri ki. Kinyert táblaadatok .. A /tartalmazza az oszlopok és sorok számát, a sorokat és az oszlopfedéseket. A határoló sokszöggel rendelkező cellák kimenete és annak információi, hogy a terület felismerhető-e columnHeader vagy sem. A modell támogatja az elforgatott táblák kinyerését. Minden táblázatcella tartalmazza a sor- és oszlopindexet, valamint a határoló sokszög koordinátáit. A cellaszöveg esetében a modell a kezdő indexet (offset) tartalmazó információkat adja kispan. A modell a length dokumentum teljes szövegét tartalmazó legfelső szintű tartalomon belül is kimenetet ad ki.

Az alábbiakban néhány tényezőt érdemes figyelembe venni a Dokumentumintelligencia bála kinyerési funkciójának használatakor:

• A kinyerni kívánt adatok táblázatként jelennek meg, és értelmezhető a táblastruktúra?

• Elférnek az adatok egy kétdimenziós rácsban, ha az adatok nem táblázatos formátumúak?

• A táblák több oldalra is kiterjednek? Ha igen, az összes oldal címkézésének elkerülése érdekében ossza fel a PDF-fájlt oldalakra, mielőtt elküldené a dokumentumintelligencia-nak. Az elemzés után az oldalakat egyetlen táblába kell feldolgozni.

• Ha egyéni modelleket hoz létre, tekintse meg a táblázatos mezőket . A dinamikus táblák minden oszlophoz változó számú sort tartalmaznak. A rögzített táblák minden oszlophoz állandó számú sort tartalmaznak.

Feljegyzés

• A táblaelemzés nem támogatott, ha a bemeneti fájl XLSX.
• A 2024-07-31 előzetes verziótól kezdődően az ábrák és táblázatok határterületei csak az alaptartalmat fedik le, és kizárják a kapcsolódó feliratokat és lábjegyzeteket.

Mintakód

if result.tables:
    for table_idx, table in enumerate(result.tables):
        print(f"Table # {table_idx} has {table.row_count} rows and " f"{table.column_count} columns")
        if table.bounding_regions:
            for region in table.bounding_regions:
                print(f"Table # {table_idx} location on page: {region.page_number} is {region.polygon}")
        # Analyze cells.
        for cell in table.cells:
            print(f"...Cell[{cell.row_index}][{cell.column_index}] has text '{cell.content}'")
            if cell.bounding_regions:
                for region in cell.bounding_regions:
                print(f"...content on page {region.page_number} is within bounding polygon '{region.polygon}'")

Minták megtekintése a GitHubon.

Hozam

{
    "tables": [
        {
            "rowCount": 9,
            "columnCount": 4,
            "cells": [
                {
                    "kind": "columnHeader",
                    "rowIndex": 0,
                    "columnIndex": 0,
                    "columnSpan": 4,
                    "content": "(In millions, except earnings per share)",
                    "boundingRegions": [],
                    "spans": []
                    },
            ]
        }
    ]
}

Kimenet markdown formátumba

Az Layout API markdown formátumban tudja kiírni a kinyert szöveget. A kimenet formátumának megadásához használja a outputContentFormat=markdown markdownt. A Markdown-tartalom a szakasz részeként jelenik meg content .

Feljegyzés

A 2024-07-31 előzetes verziótól kezdődően a táblák megjelenítése HTML-táblákra változik, így lehetővé válik az egyesített cellák, többsoros fejlécek stb. renderelése. Egy másik kapcsolódó módosítás a Unicode jelölőnégyzetkarakterek ☒ és ☐ a kijelölési jelek használata a :selected: és a :unselected: helyett. Vegye figyelembe, hogy ez azt jelenti, hogy a kijelölési jel mezőinek tartalma a következőt fogja tartalmazni: kijelölve: annak ellenére, hogy a spanok Unicode-karakterekre hivatkoznak a legfelső szintű hatókörben.

Mintakód

document_intelligence_client = DocumentIntelligenceClient(endpoint=endpoint, credential=AzureKeyCredential(key))
poller = document_intelligence_client.begin_analyze_document(
    "prebuilt-layout",
    AnalyzeDocumentRequest(url_source=url),
    output_content_format=ContentFormat.MARKDOWN,
)

Minták megtekintése a GitHubon.

Hozam

PageHeader="This is the header of the document." 

This is title
===
# 1\. Text
Latin refers to an ancient Italic language originating in the region of Latium in ancient Rome.
# 2\. Page Objects
## 2.1 Table
Here's a sample table below, designed to be simple for easy understand and quick reference.
| Name | Corp | Remark |
| - | - | - |
| Foo | | |
| Bar | Microsoft | Dummy |
Table 1: This is a dummy table
## 2.2. Figure
<figure>
<figcaption>

Figure 1: Here is a figure with text
</figcaption>

![](figures/0)
FigureContent="500 450 400 400 350 250 200 200 200- Feb" 
</figure>

# 3\. Others
Al Document Intelligence is an Al service that applies advanced machine learning to extract text, key-value pairs, tables, and structures from documents automatically and accurately:
    :selected:
clear
    :selected:
precise
    :unselected:
vague
    :selected:
coherent
    :unselected:
Incomprehensible
Turn documents into usable data and shift your focus to acting on information rather than compiling it. Start with prebuilt models or create custom models tailored to your documents both on premises and in the cloud with the Al Document Intelligence studio or SDK.
Learn how to accelerate your business processes by automating text extraction with Al Document Intelligence. This webinar features hands-on demos for key use cases such as document processing, knowledge mining, and industry-specific Al model customization.
PageFooter="This is the footer of the document." 
PageFooter="1 | Page" 

Számok

A dokumentumokban szereplő ábrák (diagramok, képek) kulcsfontosságú szerepet játszanak a szöveges tartalom kiegészítésében és javításában, és olyan vizuális ábrázolásokat biztosítanak, amelyek elősegítik az összetett információk megértését. Az Elrendezési modell által észlelt ábraobjektum olyan kulcsfontosságú tulajdonságokkal rendelkezik, mint például boundingRegions (a dokumentumoldalakon lévő ábra térbeli helyei, beleértve az oldalszámot és az ábra határát tagoló sokszög koordinátákat), spans (az ábrához kapcsolódó szövegtartományokat részletezi, megadva azok eltolásait és hosszát a dokumentum szövegében. Ez a kapcsolat segít társítani az ábrát a megfelelő szöveges környezettel, elements (a dokumentum szöveges elemeinek vagy bekezdéseinek azonosítóit, amelyek az ábrához kapcsolódnak vagy írják le) és caption ha vannak ilyenek.

Ha a kezdeti elemzési művelet során az output=számok meg lesznek adva, a szolgáltatás levágott képeket hoz létre az összes észlelt adathoz, amelyek a következőn keresztül /analyeResults/{resultId}/figures/{figureId}érhetők el. FigureId minden ábraobjektum tartalmazza, egy nem dokumentált konvencióval {pageNumber}.{figureIndex} , amely figureIndex szerint a laponként egy értékre állítható vissza.

Feljegyzés

A 2024-07-31 előzetes verziótól kezdődően az ábrák és táblázatok határterületei csak az alaptartalmat fedik le, és kizárják a kapcsolódó feliratokat és lábjegyzeteket.

Mintakód

# Analyze figures.
if result.figures:
    for figures_idx,figures in enumerate(result.figures):
        print(f"Figure # {figures_idx} has the following spans:{figures.spans}")
        for region in figures.bounding_regions:
            print(f"Figure # {figures_idx} location on page:{region.page_number} is within bounding polygon '{region.polygon}'")

Minták megtekintése a GitHubon.

Hozam

{
    "figures": [
        {
        "id": "{figureId}",
        "boundingRegions": [],
        "spans": [],
        "elements": [
            "/paragraphs/15",
            ...
        ],
        "caption": {
            "content": "Here is a figure with some text",
            "boundingRegions": [],
            "spans": [],
            "elements": [
            "/paragraphs/15"
            ]
        }
        }
    ]
}

Szakaszok

A hierarchikus dokumentumstruktúra-elemzés kulcsfontosságú a kiterjedt dokumentumok rendszerezésében, megértésében és feldolgozásában. Ez a megközelítés elengedhetetlen a hosszú dokumentumok szemantikai szegmentálásához a megértés fokozása, a navigáció megkönnyítése és az információlekérés javítása érdekében. A dokumentumgeneratív AI-ben a lekéréses kiterjesztett generáció (RAG) megjelenése kiemeli a hierarchikus dokumentumstruktúra-elemzés jelentőségét. Az Elrendezési modell támogatja a kimenet szakaszait és alszakaszait, amelyek azonosítják az egyes szakaszok szakaszainak és objektumainak kapcsolatát. A hierarchikus struktúra minden szakaszban megmarad elements . A kimenettel markdown formátumban egyszerűen lekérheti a szakaszokat és alszakaszokat a Markdownban.

Mintakód

document_intelligence_client = DocumentIntelligenceClient(endpoint=endpoint, credential=AzureKeyCredential(key))
poller = document_intelligence_client.begin_analyze_document(
    "prebuilt-layout",
    AnalyzeDocumentRequest(url_source=url),
    output_content_format=ContentFormat.MARKDOWN,
)

Minták megtekintése a GitHubon.

Hozam

{
    "sections": [
        {
        "spans": [],
        "elements": [
            "/paragraphs/0",
            "/sections/1",
            "/sections/2",
            "/sections/5"
        ]
        },
...
}

A Dokumentumintelligencia-elrendezési modell egy fejlett, gépi tanuláson alapuló dokumentumelemzési API, amely a Dokumentumintelligencia-felhőben érhető el. Lehetővé teszi a különböző formátumú dokumentumok készítését és a dokumentumok strukturált adatábrázolásának visszaadását. A hatékony optikai karakterfelismerési (OCR) képességek továbbfejlesztett verzióját ötvözi mélytanulási modellekkel a szöveg, a táblázatok, a kijelölési jelek és a dokumentumstruktúra kinyeréséhez.

Dokumentumelrendezés elemzése

A dokumentumstruktúra elrendezésének elemzése egy dokumentum elemzésének folyamata, amely kinyeri az érdekes régiókat és azok kapcsolatait. A cél a szöveg és a szerkezeti elemek kinyerése az oldalról, hogy jobb szemantikai megértési modelleket hozzon létre. A dokumentumelrendezés két szerepkörtípust különböztet meg:

• Geometriai szerepkörök: A szöveg, a táblázatok, az ábrák és a kijelölési jelek geometriai szerepkörökre mutatnak példákat.
• Logikai szerepkörök: A címek, címsorok és élőlábak példák a szövegek logikai szerepköreire.

Az alábbi ábra egy mintalap képének tipikus összetevőit mutatja be.

Fejlesztési lehetőségek

Bemeneti követelmények

Az Elrendezési modell használatának első lépései

Megtudhatja, hogyan nyerik ki az adatokat, beleértve a szöveget, a táblázatfejléceket, a kijelölési jeleket és a struktúraadatokat a dokumentumokból a Dokumentumintelligencia használatával. A következő erőforrásokra van szüksége:

• Azure-előfizetés – ingyenesen létrehozhat egyet.

• Dokumentumintelligencia-példány az Azure Portalon. A szolgáltatás kipróbálásához használhatja az ingyenes tarifacsomagot (F0). Az erőforrás üzembe helyezése után válassza az Ugrás az erőforráshoz lehetőséget a kulcs és a végpont lekéréséhez.

Támogatott nyelvek és területi beállítások

A támogatott nyelvek teljes listáját a Nyelvi támogatás – dokumentumelemzési modellek oldalon találja.

Következő lépések

• Megtudhatja, hogyan dolgozhatja fel saját űrlapjait és dokumentumait a Document Intelligence Studióval.

• Végezze el a Dokumentumintelligencia rövid útmutatóját , és kezdje el létrehozni egy dokumentumfeldolgozó alkalmazást a választott fejlesztési nyelven.

• További példákat találhat a GitHubon.