Modello di layout di Intelligence per documenti

Importante

• Le versioni di anteprima pubblica di Document Intelligence consentono l'accesso anticipato alle funzionalità in fase di sviluppo attivo.
• Le funzionalità, gli approcci e i processi possono cambiare, prima della disponibilità generale, in base al feedback degli utenti.
• La versione di anteprima pubblica delle librerie client di Document Intelligence per impostazione predefinita è l'API REST versione 2024-02-29-preview.
• L'anteprima pubblica versione 2024-02-29-preview è attualmente disponibile solo nelle aree di Azure seguenti:
• Stati Uniti orientali
• Stati Uniti occidentali2
• Europa occidentale

Questo contenuto si applica a:v4.0 (anteprima) | Versioni precedenti:v3.1 (GA)v3.0 (GA)v2.1 (GA)

Il modello di layout di Intelligence sui documenti è un'API avanzata di analisi dei documenti basata su Machine Learning disponibile nel cloud di Document Intelligence. Consente di acquisire documenti in diversi formati e restituire rappresentazioni strutturate dei dati dei documenti. Combina una versione avanzata delle potenti funzionalità OCR (Optical Character Recognition) con i modelli di Deep Learning per estrarre testo, tabelle, segni di selezione e struttura del documento.

Analisi del layout dei documenti

L'analisi del layout della struttura del documento è il processo di analisi di un documento per estrarre aree di interesse e le relative relazioni. L'obiettivo è estrarre testo e elementi strutturali dalla pagina per creare modelli di comprensione semantica migliori. Esistono due tipi di ruoli in un layout di documento:

• Ruoli geometrici: testo, tabelle, figure e segni di selezione sono esempi di ruoli geometrici.
• Ruoli logici: titoli, intestazioni e piè di pagina sono esempi di ruoli logici di testi.

La figura seguente mostra i componenti tipici in un'immagine di una pagina di esempio.

Opzioni di sviluppo

Document Intelligence v4.0 (2024-02-29-preview, 2023-10-31-preview) supporta gli strumenti, le applicazioni e le librerie seguenti:

Funzionalità	Risorse	Model ID
Modello di layout	• Document Intelligence Studio • API REST• C# SDK • Python SDK • Java SDK • JavaScript SDK	precompilt-layout

Requisiti di input

• Per ottenere risultati ottimali, fornire una foto chiara o un'analisi di alta qualità per ogni documento.

• Formati di file supportati:

  Modello	PDF	Immagine: JPEG/JPG, PNG, BMP, TIFF, HEIF	Microsoft Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX) e HTML
  Lettura	✔	✔	✔
  Layout	✔	✔	✔ (2024-02-29-preview, 2023-10-31-preview)
  Documento generale	✔	✔
  Predefinito	✔	✔
  Estrazione personalizzata	✔	✔
  Classificazione personalizzata	✔	✔	✔ (2024-02-29-preview)

• Per PDF e TIFF, è possibile elaborare fino a 2000 pagine (con una sottoscrizione di livello gratuito, vengono elaborate solo le prime due pagine).

• Le dimensioni del file per l'analisi dei documenti sono di 500 MB per il livello a pagamento (S0) e 4 MB per il livello gratuito (F0).

• Le dimensioni dell'immagine devono essere comprese tra 50 x 50 pixel e 10.000 px x 10.000 pixel.

• Se i file PDF sono bloccati da password, è necessario rimuovere il blocco prima dell'invio.

• L'altezza minima del testo da estrarre è di 12 pixel per un'immagine da 1024 x 768 pixel. Questa dimensione corrisponde a circa 8-point text a 150 punti per pollice (DPI).

• Per il training di modelli personalizzati, il numero massimo di pagine per i dati di training è 500 per il modello di modello personalizzato e 50.000 per il modello neurale personalizzato.

  • Per il training del modello di estrazione personalizzato, le dimensioni totali dei dati di training sono di 50 MB per il modello di modello e 1G-MB per il modello neurale.

  • Per il training del modello di classificazione personalizzato, le dimensioni totali dei dati di training sono 1GB pari a un massimo di 10.000 pagine.

Introduzione al modello di layout

Vedere in che modo i dati, inclusi testo, tabelle, intestazioni di tabella, contrassegni di selezione e informazioni sulla struttura vengono estratti dai documenti usando l'intelligence sui documenti. Sono necessarie le risorse seguenti:

• Una sottoscrizione di Azure: è possibile crearne una gratuitamente.

• Istanza di Document Intelligence nel portale di Azure. Per provare il servizio, è possibile usare il piano tariffario gratuito (F0). Dopo la distribuzione della risorsa, selezionare Vai alla risorsa per ottenere la chiave e l'endpoint.

Nota

Document Intelligence Studio è disponibile con le API v3.0 e le versioni successive.

Documento di esempio elaborato con Document Intelligence Studio

1. Nella home page di Document Intelligence Studio selezionare Layout.

2. È possibile analizzare il documento di esempio o caricare i propri file.

3. Selezionare il pulsante Esegui analisi e, se necessario, configurare le opzioni Analizza:

   

   Provare Document Intelligence Studio.

Lingue e impostazioni locali supportate

Per un elenco completo delle lingue supportate, vedere la pagina Supporto linguistico - Modelli di analisi dei documenti.

Estrazione dei dati

Il modello di layout estrae testo, segni di selezione, tabelle, paragrafi e tipi di paragrafo (roles) dai documenti.

Nota

Versioni 2024-02-29-preview, 2023-10-31-previewe versioni successive supportano i file HTML e i file MICROSOFT Office (DOCX, XLSX, PPTX). Le funzionalità seguenti non sono supportate:

• Nessun angolo, larghezza/altezza e unità con ogni oggetto pagina.
• Per ogni oggetto rilevato, non è presente alcun poligono di delimitazione o area di delimitazione.
• L'intervallo di pagine (pages) non è supportato come parametro.
• Nessun lines oggetto.

Pagine

L'insieme pages è un elenco di pagine all'interno del documento. Ogni pagina viene rappresentata in sequenza all'interno del documento e include l'angolo di orientamento che indica se la pagina viene ruotata e la larghezza e l'altezza (dimensioni in pixel). Le unità di pagina nell'output del modello vengono calcolate come illustrato:

Formato file	Unità di pagina calcolata	Totale pagine
Immagini (JPEG/JPG, PNG, BMP, HEIF)	Ogni immagine = 1 unità di pagina	Totale immagini
PDF	Ogni pagina nel PDF = 1 unità di pagina	Totale pagine nel PDF
TIFF	Ogni immagine nell'unità di pagina TIFF = 1	Totale immagini in TIFF
Word (DOCX)	Fino a 3.000 caratteri = 1 unità di pagina, immagini incorporate o collegate non supportate	Pagine totali di un massimo di 3.000 caratteri ciascuno
Excel (XLSX)	Ogni foglio di lavoro = 1 unità di pagina, immagini incorporate o collegate non supportate	Totale fogli di lavoro
PowerPoint (PPTX)	Ogni diapositiva = 1 unità di pagina, immagini incorporate o collegate non supportate	Diapositive totali
HTML	Fino a 3.000 caratteri = 1 unità di pagina, immagini incorporate o collegate non supportate	Pagine totali di un massimo di 3.000 caratteri ciascuno

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

Estrarre pagine selezionate dai documenti

Per i documenti a più pagine di grandi dimensioni, usare il pages parametro di query per indicare numeri di pagina o intervalli di pagine specifici per l'estrazione di testo.

Paragrafi

Il modello Layout estrae tutti i blocchi identificati di testo nell'insieme paragraphs come oggetto di primo livello in analyzeResults. Ogni voce di questa raccolta rappresenta un blocco di testo e include il testo estratto comecontente le coordinate di delimitazione polygon . Le span informazioni puntano al frammento di testo all'interno della proprietà di primo livello content che contiene il testo completo del documento.

"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"
    }
]

Ruoli paragrafo

Il nuovo rilevamento oggetti pagina basato su Machine Learning estrae ruoli logici come titoli, intestazioni di sezione, intestazioni di pagina, piè di pagina e altro ancora. Il modello Document Intelligence Layout assegna determinati blocchi di testo nella paragraphs raccolta con il relativo ruolo o tipo specializzato stimato dal modello. Sono meglio usati con documenti non strutturati per comprendere il layout del contenuto estratto per un'analisi semantica più completa. Sono supportati i ruoli di paragrafo seguenti:

Ruolo stimato	Descrizione	Tipi di file supportati
title	Intestazioni principali nella pagina	pdf, image, docx, pptx, xlsx, html
sectionHeading	Uno o più sottotitoli nella pagina	pdf, image, docx, xlsx, html
footnote	Testo nella parte inferiore della pagina	pdf, immagine
pageHeader	Testo vicino al bordo superiore della pagina	pdf, immagine, docx
pageFooter	Testo vicino al bordo inferiore della pagina	pdf, image, docx, pptx, html
pageNumber	Numero pagina	pdf, immagine

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

Testo, righe e parole

Il modello di layout del documento in Document Intelligence estrae il testo dello stile stampato e scritto a mano come lines e words. L'insieme styles include qualsiasi stile scritto a mano per le righe, se rilevato insieme agli intervalli che puntano al testo associato. Questa funzionalità si applica alle lingue scritte a mano supportate.

Per Microsoft Word, Excel, PowerPoint e HTML, le versioni di Document Intelligence 2024-02-29-preview e 2023-10-31-preview Layout estraggono tutto il testo incorporato così come è. I testi vengono estratti come parole e paragrafi. Le immagini incorporate non sono supportate.

"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": [],
    }
]

Stile scritto a mano per le righe di testo

La risposta include la classificazione di ogni riga di testo dello stile di scrittura manuale o meno, insieme a un punteggio di attendibilità. Per altre informazioni, Vedere Supporto per la lingua scritta a mano. L'esempio seguente mostra un frammento JSON di esempio.

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

Se si abilita la funzionalità di componente aggiuntivo tipo di carattere/stile, si ottiene anche il risultato del tipo di carattere/stile come parte dell'oggetto styles .

Opzioni di selezione

Il modello Layout estrae anche i segni di selezione dai documenti. I segni di selezione estratti vengono visualizzati all'interno della pages raccolta per ogni pagina. Includono il delimitazione polygon, confidencee la selezione state (selected/unselected). La rappresentazione testuale (ovvero :selected: e :unselected) è inclusa anche come indice iniziale (offset) e length che fa riferimento alla proprietà di primo livello content che contiene il testo completo del documento.

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

Tabelle

L'estrazione di tabelle è un requisito fondamentale per l'elaborazione di documenti contenenti grandi volumi di dati in genere formattati come tabelle. Il modello Layout estrae le tabelle nella pageResults sezione dell'output JSON. Le informazioni sulla tabella estratte includono il numero di colonne e righe, intervallo di righe e intervallo di colonne. Ogni cella con il relativo poligono di delimitazione viene restituita insieme alle informazioni che indicano se l'area viene riconosciuta come o columnHeader meno. Il modello supporta l'estrazione di tabelle ruotate. Ogni cella della tabella contiene le coordinate dell'indice di riga e della colonna e del delimitazione del poligono. Per il testo della cella, il modello restituisce le span informazioni contenenti l'indice iniziale (offset). Il modello restituisce anche l'oggetto length all'interno del contenuto di primo livello che contiene il testo completo del documento.

Nota

La tabella non è supportata se il file di input è XLSX.

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

Output in formato markdown

L'API Layout può restituire il testo estratto in formato markdown. outputContentFormat=markdown Utilizzare per specificare il formato di output in markdown. Il contenuto markdown viene restituito come parte della content sezione.

"analyzeResult": {
"apiVersion": "2024-02-29-preview",
"modelId": "prebuilt-layout",
"contentFormat": "markdown",
"content": "# CONTOSO LTD...",
}

Figure

Le figure (grafici, immagini) nei documenti svolgono un ruolo fondamentale nell'integrare e migliorare il contenuto testuale, fornendo rappresentazioni visive che facilitano la comprensione di informazioni complesse. L'oggetto figure rilevato dal modello Layout ha proprietà chiave come boundingRegions (le posizioni spaziali della figura nelle pagine del documento, inclusi il numero di pagina e le coordinate poligono che delineano il limite della figura), spans (dettaglia gli intervalli di testo correlati alla figura, specificando gli offset e le lunghezze all'interno del testo del documento. Questa connessione consente di associare la figura al relativo contesto testuale pertinente), elements (identificatori per elementi di testo o paragrafi all'interno del documento correlati o descrivere la figura) e caption se presente.

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

Sezioni

L'analisi gerarchica della struttura dei documenti è fondamentale per organizzare, comprendere ed elaborare documenti estesi. Questo approccio è fondamentale per segmentare semanticamente i documenti lunghi per migliorare la comprensione, facilitare la navigazione e migliorare il recupero delle informazioni. L'avvento della generazione aumentata di recupero (RAG) in un documento di intelligenza artificiale generativa sottolinea il significato dell'analisi gerarchica della struttura dei documenti. Il modello Layout supporta sezioni e sottosezioni nell'output, che identifica la relazione di sezioni e oggetti all'interno di ogni sezione. La struttura gerarchica viene mantenuta in elements ogni sezione. È possibile usare l'output per formattare markdown per ottenere facilmente le sezioni e le sottosezioni in markdown.

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

Passaggi successivi

• Informazioni su come elaborare moduli e documenti personalizzati con Document Intelligence Studio.

• Completare una guida introduttiva di Intelligence sui documenti e iniziare a creare un'app per l'elaborazione di documenti nel linguaggio di sviluppo preferito.