Document Understanding 新式项目用户指南

适用平台：

上次更新日期 2024年11月20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：

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：

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：

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 docs image

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：

图 3. 发票，半结构化文档示例 docs image

非结构化文档是不遵循特定或组织模型的文件。它们没有固定格式，并且其中包含的信息通常以非结构化方式呈现，使机器人难以处理。虽然人类可以轻松理解这些文档，但对于机器来说，解读这些数据可能具有挑战性。非结构化文档可以采用多种形式，包括：

图 4. 许可协议，非结构化文档示例 docs image

在此页面上

前一个简介

下一个基本功能

获取您需要的帮助

了解 RPA - 自动化课程

UiPath Community 论坛