- Visão geral
- Sobre o Document Understanding™
- Introdução
- Tipos de Documento
- Recursos fundamentais
- Conceitos-chave
- Introdução
- Criação de modelos
- Consumo de modelos
- Detalhes do modelo
- 1040 - Pacote de ML
- 1040 Schedule C - Pacote de ML
- 1040 Schedule D - Pacote de ML
- 1040 Schedule E - Pacote de ML
- 1040x - Pacote de ML
- 3949a - Pacote de ML
- 4506T - Pacote de ML
- 709 - Pacote de ML
- 941x - Pacote de ML
- 9465 - Pacote de ML
- ACORD125 - Pacote de ML
- ACORD126 - Pacote de ML
- ACORD131 - Pacote de ML
- ACORD140 - Pacote de ML
- ACORD25 - Pacote de ML
- Extratos bancários - Pacote de ML
- ConhecimentoDeEmbarque - Pacote de ML
- Certificado de incorporação - Pacote de ML
- Certificado de origem - Pacote de ML
- Cheques - Pacote de ML
- Certificado de produtos filhos - Pacote de ML
- CMS1500 — Pacote de ML
- Declaração de Conformidade da UE - Pacote de ML
- Demonstrações financeiras - Pacote de ML
- FM1003 - Pacote de ML
- I9 - Pacote de ML
- Cartões de identificação - Pacote de ML
- Faturas - Pacote de ML
- FaturasAustrália - Pacote de ML
- FaturasChina - Pacote de ML
- Faturas em hebraico - Pacote de ML
- FaturasÍndia - Pacote de ML
- FaturasJapão - Pacote de ML
- Envio de faturas - Pacote de ML
- Romaneio de carga - Pacote de ML
- Contracheques — Pacote de ML
- Passaportes - Pacote de ML
- Ordens de compra - Pacote de ML
- Recibos - Pacote de ML
- AvisosDePagamento - Pacote de ML
- UB04 - Pacote de ML
- Contas de serviços - Pacote de ML
- Títulos de veículos - Pacote de ML
- W2 - Pacote de ML
- W9 - Pacote de ML
- Endpoints públicos
- Idiomas suportados
- Painéis de insights
- Dados e segurança
- Lógica de licenciamento e carregamento
- Como fazer
Recursos fundamentais
Para automatizar o processamento de documentos, quatro recursos fundamentais são necessários: digitalização, classificação, extração e validação.
A digitalização converte um documento físico em texto legível por máquina, que pode ser processado digitalmente. Embora o Reconhecimento Ótico de Caracteres (OCR) seja uma parte significativa da digitalização, o processo de digitalização é mais complexo e envolve várias etapas, incluindo OCR.
Por exemplo, ao lidar com documentos PDF, o algoritmo de digitalização pode distinguir entre PDFs digitalizados e nativos ou híbridos que contêm imagens digitalizadas e texto nativo. A maior parte do texto pode ser extraída diretamente de um documento PDF nativo mas, algumas vezes, alguns logotipos podem precisar ser lidos usando OCR. O processo de digitalização pode lidar com todas essas situações para garantir a máxima precisão na detecção de texto enquanto está sendo executado de forma rápida e eficiente.
O objetivo de uma classificação é digitalizar um documento e decidir a que tipo de documento ele pertence. Saber o tipo de um documento é importante, pois diferentes tipos de documentos exigem diferentes técnicas de processamento. Por exemplo, uma fatura precisa ser processada por um modelo de extração de fatura para garantir que todos os campos relevantes sejam extraídos.
Data extraction is the process of selecting and retrieving only the relevant information from a document. Extracting specific data from a lengthy document using string manipulation can be challenging. However, Document UnderstandingTM provides various extraction methodologies for different document types and formats. For example, we only want to extract the Vendor Name, Billing Name, Due Date, and Total fields from an invoice.
Na classificação e extração, os robôs de software usam o conceito de confiança, que mede o nível de certeza de que uma determinada tarefa foi bem realizada. A tarefa pode estar reconhecendo um tipo de documento, identificando um campo ou lendo os dados contidos nele. Nesses casos, a estrutura do Document Understanding permite que você envolva um usuário humano para revisar e validar a saída do robô. No melhor cenário, a entrada humana é usada para treinar a precisão do robô por meio de machine learning.
