Elabora i documenti con la funzione ML.PROCESS_DOCUMENT

Anteprima

Questo prodotto o funzionalità è soggetto ai "Termini delle Offerte pre-GA" nella sezione Termini generali del servizio dei Termini specifici del servizio. I prodotti e le funzionalità pre-GA sono disponibili "così come sono" e potrebbero avere un supporto limitato. Per saperne di più, consulta le descrizioni della fase di lancio.

Nota: per inviare feedback o richiedere assistenza per questa funzione, invia un'email a [e-mail].

Questo documento descrive come utilizzare Funzione ML.PROCESS_DOCUMENT con un modello remoto per estrarre insight utili dai documenti in un tabella degli oggetti.

Località supportate

Devi creare il modello remoto utilizzato in questa procedura nella US o EU multiregionale. Devi eseguire la funzione ML.PROCESS_DOCUMENT nella stessa regione del modello remoto.

Autorizzazioni obbligatorie

• Per creare un processore Document AI, devi disporre del seguente ruolo:

  • roles/documentai.editor

• Per creare una connessione, devi avere l'appartenenza al seguente ruolo:

  • roles/bigquery.connectionAdmin

• Per creare il modello utilizzando BigQuery ML, è necessario quanto segue autorizzazioni:

  • bigquery.jobs.create
  • bigquery.models.create
  • bigquery.models.getData
  • bigquery.models.updateData
  • bigquery.models.updateMetadata

• Per eseguire l'inferenza, devi disporre delle seguenti autorizzazioni:

  • bigquery.tables.getData nella tabella dell'oggetto
  • bigquery.models.getData sul modello
  • bigquery.jobs.create

Prima di iniziare

1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

4. Abilita le API BigQuery, BigQuery Connection API, and Document AI.

   Abilita le API

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

7. Abilita le API BigQuery, BigQuery Connection API, and Document AI.

   Abilita le API

Crea un processore

Crea un processore in Document AI per elaborare i documenti. Il processore deve essere di un tipo supportato.

Crea una connessione

Crea un connessione alle risorse cloud e recuperare l'account di servizio della connessione.

Seleziona una delle seguenti opzioni:

Console

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Per creare una connessione, fai clic su Aggiungi e poi fai clic su Connessioni a origini dati esterne.

3. Nell'elenco Tipo di connessione, seleziona Modelli remoti Vertex AI, funzioni remote e BigLake (risorsa Cloud).

4. Nel campo ID connessione, inserisci un nome per connessione.

5. Fai clic su Crea connessione.

6. Fai clic su Vai alla connessione.

7. Nel riquadro Informazioni sulla connessione, copia l'ID account di servizio per utilizzarlo in una passaggio successivo.

bq

1. In un ambiente a riga di comando, crea una connessione:

   bq mk --connection --location=REGION --project_id=PROJECT_ID \
       --connection_type=CLOUD_RESOURCE CONNECTION_ID
   

   Il parametro --project_id sostituisce il progetto predefinito.

   Sostituisci quanto segue:

   • REGION: il tuo regione di connessione
   • PROJECT_ID: l'ID del tuo progetto Google Cloud
   • CONNECTION_ID: un ID per connessione

   Quando crei una risorsa di connessione, BigQuery crea di account di servizio di sistema univoco e lo associa alla connessione.

   Risoluzione dei problemi: se ricevi il seguente errore di connessione, Aggiorna Google Cloud SDK:

   Flags parsing error: flag --connection_type=CLOUD_RESOURCE: value should be one of...
   

2. Recupera e copia l'ID account di servizio per utilizzarlo in un secondo momento passaggio:

   bq show --connection PROJECT_ID.REGION.CONNECTION_ID
   

   L'output è simile al seguente:

   name                          properties
   1234.REGION.CONNECTION_ID     {"serviceAccountId": "[e-mail]"}
   

Terraform

Aggiungi la seguente sezione al tuo file main.tf.

 ## This creates a cloud resource connection.
 ## Note: The cloud resource nested object has only one output only field - serviceAccountId.
 resource "google_bigquery_connection" "connection" {
    connection_id = "CONNECTION_ID"
    project = "PROJECT_ID"
    location = "REGION"
    cloud_resource {}
}        

Sostituisci quanto segue:

• CONNECTION_ID: un ID per connessione
• PROJECT_ID: l'ID del tuo progetto Google Cloud
• REGION: il tuo regione di connessione

Concedi l'accesso all'account di servizio

Seleziona una delle seguenti opzioni:

Console

1. Vai alla sezione IAM e Console di amministrazione.

   Vai a IAM e Amministratore

2. Fai clic su Concedi l'accesso.

   Si apre la finestra di dialogo Aggiungi entità.

3. Nel campo Nuove entità, inserisci l'ID account di servizio che copiato in precedenza.

4. Nel campo Seleziona un ruolo, seleziona Document AI e poi Seleziona Visualizzatore Document AI.

5. Fai clic su Aggiungi un altro ruolo.

6. Nel campo Seleziona un ruolo, seleziona Cloud Storage e poi Visualizzatore oggetti Storage.

7. Fai clic su Salva.

gcloud

Utilizza la Comando gcloud projects add-iam-policy-binding:

gcloud projects add-iam-policy-binding 'PROJECT_NUMBER' --member='serviceAccount:MEMBER' --role='roles/documentai.viewer' --condition=None
gcloud projects add-iam-policy-binding 'PROJECT_NUMBER' --member='serviceAccount:MEMBER' --role='roles/storage.objectViewer' --condition=None

Sostituisci quanto segue:

• PROJECT_NUMBER: il numero del progetto.
• MEMBER: l'ID dell'account di servizio che copiato in precedenza.

La mancata concessione dell'autorizzazione genera un errore Permission denied.

Nota: se crei il processore in diverso dal bucket Cloud Storage utilizzato dall'oggetto assegna i ruoli di Identity and Access Management (IAM) all'account di servizio come segue:

• Concedi all'account di servizio il ruolo Visualizzatore Document AI nel progetto che che contiene il processore.
• Concedi all'account di servizio il ruolo Visualizzatore oggetti Storage nel progetto che contiene il bucket Cloud Storage.

Crea un set di dati

Crea un set di dati che contenga il modello e l'oggetto. tabella.

Crea un modello

Crea un modello remoto con REMOTE_SERVICE_TYPE di CLOUD_AI_DOCUMENT_V1:

CREATE OR REPLACE MODEL
`PROJECT_ID.DATASET_ID.MODEL_NAME`
REMOTE WITH CONNECTION `PROJECT_ID.REGION.CONNECTION_ID`
OPTIONS (
  REMOTE_SERVICE_TYPE = 'CLOUD_AI_DOCUMENT_V1',
  DOCUMENT_PROCESSOR = 'projects/PROJECT_NUMBER/locations/LOCATION/processors/PROCESSOR_ID/processorVersions/PROCESSOR_VERSION'
);

Sostituisci quanto segue:

• PROJECT_ID: il tuo ID progetto.
• DATASET_ID: l'ID del set di dati da che contiene il modello.
• MODEL_NAME: il nome del modello.
• REGION: la regione utilizzata dalla connessione.
• CONNECTION_ID: l'ID connessione per ad esempio myconnection.

  Quando visualizzi i dettagli della connessione nella console Google Cloud, l'ID connessione è il valore riportato nell'ultima sezione ID connessione completo mostrato in ID connessione, ad esempio projects/myproject/locations/connection_location/connections/myconnection.

• PROJECT_NUMBER: il numero del progetto che contiene l'elaboratore di documenti. Per trovare questo valore, guarda i dettagli del processore, guarda l'endpoint di previsione e prende il valore che segue projects, ad esempio https://us-documentai.googleapis.com/v1/projects/project_number/locations/processor_location/processors/processor_id:process.
• LOCATION: la posizione utilizzata dal documento di fatturazione. Per trovare questo valore, guarda i dettagli del processore, guarda l'endpoint di previsione e prende il valore che segue locations, ad esempio https://us-documentai.googleapis.com/v1/projects/project_number/locations/processor_location/processors/processor_id:process.
• PROCESSOR_ID: l'ID dell'elaboratore dei documenti. Per trovare questo valore, guarda i dettagli del processore, guarda l'endpoint di previsione e prende il valore che segue processors, ad esempio https://us-documentai.googleapis.com/v1/projects/project_number/locations/processor_location/processors/processor_id:process.
• PROCESSOR_VERSION: la versione dell'elaboratore di documenti. Per trovare questo valore, guarda i dettagli del processore, seleziona la scheda Gestisci versioni, e copia il valore ID versione della versione che vuoi utilizzare.

Importante: devi specificare l'ID progetto per la connessione anche se è nel progetto predefinito.

Per vedere le colonne di output del modello, fai clic su Vai al modello nel risultato della query. dopo la creazione del modello. Le colonne di output vengono mostrate in Etichette della scheda Schema.

Crea una tabella di oggetti

Crea una tabella di oggetti su un insieme di documenti in Cloud Storage. I documenti nella tabella degli oggetti devono essere tipo supportato.

Elabora i documenti

Elabora i documenti con la funzione ML.PROCESS_DOCUMENT:

SELECT *
FROM ML.PROCESS_DOCUMENT(
  MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`,
  TABLE `PROJECT_ID.DATASET_ID.OBJECT_TABLE_NAME`
);

Sostituisci quanto segue:

• PROJECT_ID: il tuo ID progetto.
• DATASET_ID: l'ID del set di dati che contiene il modello.
• MODEL_NAME: il nome del modello.
• OBJECT_TABLE_NAME: il nome della tabella dell'oggetto che contiene gli URI dei documenti da elaborare.

Esempi

Esempio 1

L'esempio seguente utilizza il metodo analizzatore sintattico delle spese per elaborare i documenti rappresentati dalla tabella documents:

SELECT *
FROM ML.PROCESS_DOCUMENT(
  MODEL `myproject.mydataset.expense_parser`,
  TABLE `myproject.mydataset.documents`
);

Questa query restituisce le note spese analizzate, incluse la valuta, l'importo totale, la data di ricevuta e le voci nelle note spese. La La colonna ml_process_document_result contiene l'output non elaborato della spesa dell'analizzatore sintattico e la colonna ml_process_document_status contiene eventuali errori restituiti dall'elaborazione dei documenti.

Esempio 2

L'esempio seguente mostra come filtrare la tabella degli oggetti per scegliere quale documenti da elaborare, quindi scrivi i risultati in una tabella:

CREATE TABLE `myproject.mydataset.expense_details`
AS
SELECT uri, content_type, receipt_date, purchase_time, total_amount, currency
FROM
  ML.PROCESS_DOCUMENT(
    MODEL `myproject.mydataset.expense_parser`, TABLE `myproject.mydataset.expense_reports`)
WHERE uri LIKE '%restaurant%';

Passaggi successivi

• Per informazioni sull'inferenza del modello in BigQuery ML, consulta Panoramica dell'inferenza del modello.
• Per informazioni sulle istruzioni e sulle funzioni SQL supportate per ogni tipo di modello, consulta Percorso dell'utente end-to-end per ogni modello.