Delen via


Document Intelligence algemeen documentmodel

Belangrijk

Vanaf Document Intelligence-versies 2024-02-29-preview, 2023-10-31-preview en in de toekomst wordt het algemene documentmodel (prebuilt-document) afgeschaft. Gebruik de volgende modellen om sleutel-waardeparen, selectiemarkeringen, tekst, tabellen en structuur uit documenten te extraheren:

Functie version Model-id
Layout model waarbij de optionele queryreeksparameter features=keyValuePairs is ingeschakeld. • v4:2024-02-29-preview
• v3.1:2023-07-31 (GA)
prebuilt-layout
Algemeen documentmodel • v3.1:2023-07-31 (GA)
• v3.0:2022-08-31 (GA)
• v2.1 (GA)
prebuilt-document

Deze inhoud is van toepassing op: vinkje v3.1 (GA) | Nieuwste versie: paars vinkje v4.0 (preview) | Vorige versie: blauw-vinkje v3.0

Deze inhoud is van toepassing op: vinkje v3.0 (GA) | Nieuwste versies: paars vinkje v4.0 (preview) paars vinkje v3.1

Het algemene documentmodel combineert krachtige OCR-mogelijkheden (Optical Character Recognition) met deep learning-modellen om sleutel-waardeparen, tabellen en selectiemarkeringen uit documenten te extraheren. Algemeen document is beschikbaar met de v3.1- en v3.0-API's. Zie onze migratiehandleiding voor meer informatie.

Algemene documentfuncties

  • Het algemene documentmodel is een vooraf getraind model; hiervoor zijn geen labels of training vereist.

  • Met één API worden sleutel-waardeparen, selectiemarkeringen, tekst, tabellen en structuur uit documenten geëxtraheerd.

  • Het algemene documentmodel ondersteunt gestructureerde, semi-gestructureerde en ongestructureerde documenten.

  • Selectiemarkeringen worden aangeduid als velden met een waarde van :selected: of :unselected:.

Voorbeelddocument dat is verwerkt in Document Intelligence Studio

Schermopname van algemene documentanalyse in Document Intelligence Studio.

Sleutel-waardeparextractie

De algemene document-API ondersteunt de meeste formuliertypen en analyseert uw documenten en extraheert sleutels en bijbehorende waarden. Het is ideaal voor het extraheren van algemene sleutel-waardeparen uit documenten. U kunt het algemene documentmodel gebruiken als alternatief voor het trainen van een aangepast model zonder labels.

Ontwikkelingsopties

Document Intelligence v3.1 ondersteunt de volgende hulpprogramma's, toepassingen en bibliotheken:

Functie Resources Model-id
Algemeen documentmodel Document Intelligence Studio
REST API
C# SDK
• Python SDK
Java SDK
JavaScript SDK
vooraf samengesteld document

Document Intelligence v3.0 ondersteunt de volgende hulpprogramma's, toepassingen en bibliotheken:

Functie Resources Model-id
Algemeen documentmodel Document Intelligence Studio
REST API
C# SDK
• Python SDK
Java SDK
JavaScript SDK
vooraf samengesteld document

Vereisten voor invoer

  • Ondersteunde bestandsindelingen:

    Modelleren PDF Afbeelding:
    JPEG/JPG, PNG, BMP, , TIFFHEIF
    Microsoft Office:
    Word (), Excel (XLSXDOCX), PowerPoint (PPTX), HTML
    Read
    Indeling ✔ (2024-07-31-preview, 2024-02-29-preview, 2023-10-31-preview)
    Algemeen document
    Vooraf gebouwd
    Aangepaste extractie
    Aangepaste classificatie ✔ (2024-07-31-preview, 2024-02-29-preview)
  • Geef voor de beste resultaten één duidelijke foto of een hoogwaardige scan per document op.

  • Voor PDF en TIFF kunnen maximaal 2000 pagina's worden verwerkt (met een gratis abonnement worden alleen de eerste twee pagina's verwerkt).

  • De bestandsgrootte voor het analyseren van documenten is 500 MB voor betaalde (S0) laag en 4 MB voor gratis (F0).

  • De afmetingen van de afbeelding moeten tussen 50 x 50 pixels en 10.000 pixels x 10.000 pixels zijn.

  • Als uw PDF's zijn vergrendeld met een wachtwoord, moet u de vergrendeling verwijderen voordat u ze indient.

  • De minimale hoogte van de tekst die moet worden geëxtraheerd, is 12 pixels voor een afbeelding van 1024 x 768 pixels. Deze dimensie komt overeen met punttekst 8 op 150 punten per inch (DPI).

  • Voor aangepaste modeltraining is het maximum aantal pagina's voor trainingsgegevens 500 voor het aangepaste sjabloonmodel en 50.000 voor het aangepaste neurale model.

    • Voor het trainen van aangepaste extractiemodellen is de totale grootte van trainingsgegevens 50 MB voor het sjabloonmodel en 1 GB voor het neurale model.

    • Voor het trainen van aangepast classificatiemodel is 1 de totale grootte van trainingsgegevens GB met maximaal 10.000 pagina's. Voor 2024-07-31-preview en hoger is 2 de totale grootte van trainingsgegevens GB met maximaal 10.000 pagina's.

Algemene gegevensextractie van documentmodel

Probeer gegevens uit formulieren en documenten te extraheren met behulp van Document Intelligence Studio.

U hebt de volgende resources nodig:

  • Een Azure-abonnement: u kunt er gratis een maken.

  • Een Document Intelligence-exemplaar in Azure Portal. U kunt de gratis prijscategorie (F0) gebruiken om de service te proberen. Nadat uw resource is geïmplementeerd, selecteert u Ga naar de resource om uw sleutel en eindpunt op te halen.

Schermopname van sleutels en eindpuntlocatie in Azure Portal.

Notitie

Document Intelligence Studio en het algemene documentmodel zijn beschikbaar met de v3.0-API.

  1. Selecteer algemene documenten op de startpagina van Document Intelligence Studio.

  2. U kunt het voorbeelddocument analyseren of uw eigen bestanden uploaden.

  3. Selecteer de knop Analyse uitvoeren en configureer indien nodig de opties analyseren:

    Schermopname van de knoppen Analyse uitvoeren en Opties analyseren in Document Intelligence Studio.

Sleutel-waardeparen

Sleutel-waardeparen zijn specifieke spanten binnen het document waarmee een label of sleutel en de bijbehorende reactie of waarde worden geïdentificeerd. In een gestructureerd formulier kunnen deze paren het label zijn en de waarde die de gebruiker voor dat veld heeft ingevoerd. In een ongestructureerd document kunnen ze de datum zijn waarop een contract is uitgevoerd op basis van de tekst in een alinea. Het AI-model is getraind om identificeerbare sleutels en waarden te extraheren op basis van een groot aantal documenttypen, indelingen en structuren.

Sleutels kunnen ook geïsoleerd bestaan wanneer het model detecteert dat er een sleutel bestaat, zonder gekoppelde waarde of bij het verwerken van optionele velden. In sommige gevallen kan bijvoorbeeld een veld met een middelste naam leeg blijven in een formulier. Sleutel-waardeparen zijn tekstbereiken in het document. Voor documenten waarbij dezelfde waarde op verschillende manieren wordt beschreven, bijvoorbeeld klant/gebruiker, is de bijbehorende sleutel klant of gebruiker (op basis van context).

Gegevensextractie

Model Tekstextractie Sleutel-waardeparen Selectiemarkeringen Tabellen Algemene namen
Algemeen document ✓*

✓* - Alleen beschikbaar in de 2023-07-31 API-versies (v3.1) en latere API-versies.

Ondersteunde talen en landinstellingen

Zie onze pagina Taalondersteuning: documentanalysemodellen voor een volledige lijst met ondersteunde talen.

Overwegingen

  • Omdat sleutels uit het document bestaan uit tekst die uit het document is geëxtraheerd, moeten sleutels worden toegewezen aan een bestaande woordenlijst met sleutels.

  • Verwacht dat sleutel-waardeparen worden weergegeven met een sleutel, maar geen waarde. Als een gebruiker bijvoorbeeld geen e-mailadres opgeeft in het formulier.

Volgende stappen

  • Volg onze migratiehandleiding voor Document Intelligence v3.1 voor meer informatie over het gebruik van de versie v3.1 in uw toepassingen en werkstromen.

  • Verken onze REST API.