Document Understanding
Neuestes
False
- Überblick
- Erste Schritte
- Erstellen von Modellen
- Verbrauchen von Modellen
- ML-Pakete
- 1040 – ML-Paket
- 1040 Anlage C – ML-Paket
- 1040 Anlage D – ML-Paket
- 1040 Anlage E – ML-Paket
- 4506T – ML-Paket
- 990 – ML-Paket – Vorschau
- ACORD125 – ML-Paket
- ACORD126 – ML-Paket
- ACORD131 – ML-Paket
- ACORD140 – ML-Paket
- ACORD25 – ML-Paket
- Bank Statements – ML-Paket
- BillsOfLading – ML-Paket
- Gründungsurkunde – ML-Paket
- Ursprungszertifikat – ML-Paket
- Checks – ML-Paket
- Produktzertifikat für Kinder – ML-Paket
- CMS 1500 – ML-Paket
- EU-Konformitätserklärung – ML-Paket
- Financial Statements – ML-Paket
- FM1003 – ML-Paket
- I9 – ML-Paket
- ID Cards – ML-Paket
- Invoices – ML-Paket
- Invoices Australia - ML package
- Invoices China - ML package
- Invoices India - ML package
- Invoices Japan - ML package
- Rechnungen Versand – ML-Paket
- Packing Lists – ML-Paket
- Gehaltsabrechnungen – ML-Paket
- Passports – ML-Paket
- Purchase Orders – ML-Paket
- Receipts – ML-Paket
- RemittanceAdvices – ML-Paket
- UB04 – ML-Paket
- Utility Bills – ML-Paket
- Vehicle Titles – ML-Paket
- W2 – ML-Paket
- W9 – ML-Paket
- Öffentliche Endpunkte
- Unterstützte Sprachen
- Überblick
- OCR
- Other services
- Daten und Sicherheit
- Lizenzierung
Document Understanding-Benutzerhandbuch für die moderne Umgebung
Letzte Aktualisierung 16. Mai 2024
Überblick
UiPath Document Understanding nutzt komplexe OCR- (Optical Character Recognition) und ML-Modelle, bei denen es sich um intelligente Module handelt, die die Spracherkennung des Tools ermöglichen. Diese Modelle sind darauf trainiert, viele Sprachen zu erkennen, zu verstehen und zu verarbeiten, um unformatierte digitale Eingaben in analysierbare und verständliche Daten umzuwandeln.
Hinweis: Obwohl unsere Modelle so konzipiert sind, dass sie verschiedene Sprachen verstehen und verarbeiten können, können bestimmte Szenarien zusätzliches Training erfordern, um die erwartete Genauigkeit zu erreichen. Das gilt insbesondere, wenn die Dokumentdaten erheblich vom ursprünglichen Trainings-Dataset des Modells abweichen.
Für die unterstützten Sprachen, in denen das Modell nicht vortrainiert wurde, können Sie ein benutzerdefiniertes Modell mit Ihrem eigenen Dataset trainieren. Doch dabei ist zu beachten, dass diese Sprache auch vom OCR-Modul unterstützt werden sollte, um optimale Ergebnisse sicherzustellen.