Document Understanding
最新
False
- 概述
- 入门指南
- 构建模型
- 使用模型
- ML 包
- 1040 - ML 包
- 1040 附表 C - ML 包
- 1040 附表 D - ML 包
- 1040 附表 E - ML 包
- 4506T - ML 包
- 990 - ML 包 - 预览
- ACORD125 - ML 包
- ACORD126 - ML 包
- ACORD131 - ML 包
- ACORD140 - ML 包
- ACORD25 - ML 包
- 银行对账单 - ML 包
- 提单 - ML 包
- 公司注册证书 - ML 包
- 原产地证书 - ML 包
- 检查 - ML 包
- 儿童产品证书 - ML 包
- CMS 1500 - ML 包
- 欧盟符合性声明 - ML 包
- 财务报表 (Financial statements) - ML 包
- FM1003 - ML 包
- I9 - ML 包
- ID Cards - ML 包
- Invoices - ML 包
- Invoices Australia - ML package
- Invoices China - ML package
- Invoices India - ML package
- Invoices Japan - ML package
- 发货发票 - ML 包
- 装箱单 - ML 包
- 工资单 - ML 包
- 护照 - ML 包
- 采购订单 - ML 包
- 收据 - ML 包
- 汇款通知书 - ML 包
- UB04 - ML 包
- 水电费账单 - ML 包
- 车辆所有权证明 - ML 包
- W2 - ML 包
- W9 - ML 包
- 公共端点
- 支持的语言
- 数据与安全性
- 许可
适用于新式体验的 Document Understanding 用户指南
上次更新日期 2024年5月16日
文档类型
文档类型指的是对文档逻辑类型的定义，不同的业务流程必须对其进行处理。
文档类型包括发票、医疗记录、IRS W-2 表、合同等。除了名称、组和类别外，文档类型通常还包含字段集合。
例如，发票通常包含以下信息：
- 供应商名称、供应商地址、账单名称、账单邮寄地址
- 发票编号、采购订单编号、付款条款、到期日期
- 净额、税额、折扣、总金额
- 增值税号、增值税税率
- 银行账号、银行名称、SWIFT、IBAN
图 1. 发票示例
文档类型可以根据其格式进行分类。部分文档类型包含高度结构化的内容，而其他文档类型则主要包含自由文本。
文档分为三种主要格式：
- Structured
- 半结构化
- 非结构化
注意：文档通常可以是这三个类别的组合。文件可以包含结构化标题，后跟非结构化的自由格式内容。其中还可以包含具有特定信息的非结构化内容，这些信息始终显示在结构化程度很高或重复的上下文中。
结构化文档包括：
- 调查
- 调查问卷
- 税表
- 护照
- 许可证
- 时间表
这些文档旨在以特定格式收集信息。它们通常包含键值对、表格、手写文本、签名和复选框。这些文档通过提供输入每项数据的精确区域来指导用户。此类文档通常称为表单，用于收集低多样性数据。
图 2. 驾驶证，结构化文档示例
半结构化文档不遵循严格格式（如结构化表单），并且不绑定到指定的数据字段。这些活动没有固定的形式，但遵循足够通用的格式。它们包含固定部分和可变部分，例如表格。它们也可能包含段落，但主要在键值对中找到相关数据。半结构化文档包括：
- 发票
- 收据
- 订单
- 医疗保健实验室报告
- 银行对账单
- 水电费
图 3. 发票，半结构化文档示例
