AI工具-使用 Azure AI Document Intelligence 创建智能文档处理

简介

借助 Azure AI 文档智能中的预生成模型，无需自行训练模型，即可从常见表单和文档中提取数据。

公司中，表单种类繁多，如发票、收据、调查表等。你可能想知道，从这些文档中提取姓名、地址、金额等信息需要多少工作量。

什么是预生成模型？

通常，AI 需要大量示例数据来训练模型，但 Microsoft 提供了一些已经训练好的模型。你可以直接使用这些预生成模型来处理常见表单，如发票和收据，而无需训练自己的模型。

预生成模型包括：

• 发票模型。 提取发票中的常见字段和数值。
• 收据模型。 提取收据中的常见字段和数值。
• W2 模型。 提取美国 W-2 纳税申报表中的常见字段和数值。
• ID 文档模型。 提取美国驾照和国际护照中的常见字段和数值。
• 名片模型。 提取名片中的常见字段和数值。
• 医疗保险卡模型。 提取医疗保险卡中的常见字段和数值。

其他模型用于处理结构不明确的文档：

• 读取模型。 提取文档中的文本和语言。
• 通用文档模型。 提取文档中的文本、键值对、实体和选择标记。
• 布局模型。 提取文档中的文本和结构信息。

预生成模型的功能

预生成模型可以从文档和表单中提取各种数据。主要功能包括：

• 文本提取。 提取手写和印刷文本。
• 键值对。 提取标签及其对应的值（如 “Weight: 31 kg”）。
• 实体。 提取复杂数据结构（如人员、位置、日期）。
• 选择标记。 提取单选按钮和复选框的选中状态。
• 表。 提取表格数据，包括单元格内容、列和行信息。
• 字段。 提取特定表单类型的固定字段（如发票中的 CustomerName 和 InvoiceTotal）。

输入要求

为获得最佳效果，确保提交的文档清晰且高质量。具体要求包括：

• 文件格式：JPEG、PNG、BMP、TIFF 或 PDF；读取模型也支持 Microsoft Office 文件。
• 文件大小：标准层小于 500 MB，免费层小于 4 MB。
• 图像尺寸：50 x 50 到 10,000 x 10,000 像素。
• PDF 尺寸：小于 17 x 17 英寸或 A3 纸张大小。
• PDF 文档不得受密码保护。

使用 API 调用预生成模型

Azure AI 文档智能提供 RESTful API，支持多种编程语言（如 C#、Java、Python、JavaScript）。调用 API 时需要：

• 服务终结点。 服务的 URL。
• API 密钥。 授予访问权限的唯一密钥。

这些信息可以从 Azure 门户获取。为了提高效率，建议使用异步调用方式提交表单，并从分析中获取结果：

poller = document_analysis_client.begin_analyze_document_from_url("prebuilt-document", docUrl)
result = poller.result()

提取的详细信息将根据所使用的模型而有所不同。

分类

使用常规文档、读取和布局模型

在公司中，客户和合作伙伴经常发送各种规范、招标书、工作陈述等具有不确定结构的文档。你想知道 Azure AI 文档智能是否能分析和提取这些文档中的信息。

使用读取模型

Azure AI 文档智能读取模型可以从文档和图像中提取印刷和手写文本。这是所有其他预生成模型的基础，用于提供文本提取功能。

使用常规文档模型

常规文档模型扩展了读取模型的功能，能够提取键值对、实体、选择标记和表格数据。它适用于结构化、半结构化和非结构化文档。

• 实体提取。 常规文档模型可以识别并提取人员、组织和日期等实体。即使文档结构复杂，也能有效提取有用信息。可识别的实体类型包括：
  • Person：人员姓名
  • PersonType：职务或角色
  • Location：地址或地理位置
  • Organization：公司或机构
  • Event：事件或活动
  • Product：产品
  • Skill：技能
  • Address：邮寄地址
  • Phone number：电话号码
  • Email：电子邮件地址
  • URL：网址
  • IP Address：IP 地址
  • DateTime：日期和时间
  • Quantity：数量和单位

使用布局模型

布局模型不仅提取文本，还能返回图像或 PDF 文件中的选择标记和表格信息。适用于需要详细文档结构信息的情况。

• 表格提取。 提取表格中的每个单元格的内容、位置、是否为标题等信息。
• 选择标记提取。 提取单选按钮和复选框的选中状态和置信度。

使用财务、ID 和税务模型

Azure AI 文档智能提供了多种预生成模型，专门用于处理常见表单类型，能从发票、收据、名片等文档中提取常见字段的信息。

使用发票模型

你的公司既开具发票，也接收发票。发票可能格式多样，有时由于扫描角度或纸张损坏而导致效果不佳。发票模型可以处理这些问题，提取如下信息：

• 客户名称和引用 ID
• 采购订单编号
• 发票和截止日期
• 供应商和客户的详细信息
• 账单和送货地址
• 税款总额、发票总额和到期金额
• 发票行信息，包括产品描述、单价、数量和总价