Traiter des documents avec la fonction ML.PROCESS_DOCUMENT
Ce document explique comment utiliser la fonction ML.PROCESS_DOCUMENT
avec un modèle distant pour extraire des insights utiles des documents d'une table d'objet.
Pays acceptés
Vous devez créer le modèle distant utilisé dans cette procédure dans l'emplacement multirégional US
ou EU
. Vous devez exécuter la fonction ML.PROCESS_DOCUMENT
dans la même région que le modèle distant.
Autorisations requises
Pour créer un processeur Document AI, vous devez disposer du rôle suivant :
roles/documentai.editor
Pour créer une connexion, vous devez être inscrit au rôle suivant :
roles/bigquery.connectionAdmin
Pour créer le modèle à l'aide de BigQuery ML, vous devez disposer des autorisations suivantes :
bigquery.jobs.create
bigquery.models.create
bigquery.models.getData
bigquery.models.updateData
bigquery.models.updateMetadata
Pour exécuter une inférence, vous devez disposer des autorisations suivantes :
bigquery.tables.getData
sur la table d'objetsbigquery.models.getData
sur le modèlebigquery.jobs.create
Avant de commencer
- Connectez-vous à votre compte Google Cloud. Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $ de crédits gratuits pour exécuter, tester et déployer des charges de travail.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the BigQuery, BigQuery Connection API, and Document AI APIs.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the BigQuery, BigQuery Connection API, and Document AI APIs.
Créer un outil de traitement
Créez un outil de traitement dans Document AI pour traiter les documents. Le processeur doit être d'un type compatible.
Créer une connexion
Créez une connexion de ressource cloud et obtenez le compte de service de la connexion.
Sélectionnez l'une des options suivantes :
Console
Accédez à la page BigQuery.
Pour créer une connexion, cliquez sur
Ajouter, puis sur Connexions aux sources de données externes.Dans la liste Type de connexion, sélectionnez Modèles distants Vertex AI, fonctions distantes et BigLake (ressource Cloud).
Dans le champ ID de connexion, saisissez un nom pour votre connexion.
Cliquez sur Créer une connexion.
Cliquez sur Accéder à la connexion.
Dans le volet Informations de connexion, copiez l'ID du compte de service à utiliser à l'étape suivante.
bq
Dans un environnement de ligne de commande, créez une connexion :
bq mk --connection --location=REGION --project_id=PROJECT_ID \ --connection_type=CLOUD_RESOURCE CONNECTION_ID
Le paramètre
--project_id
remplace le projet par défaut.Remplacez les éléments suivants :
REGION
: votre région de connexionPROJECT_ID
: ID de votre projet Google CloudCONNECTION_ID
: ID de votre connexion
Lorsque vous créez une ressource de connexion, BigQuery crée un compte de service système unique et l'associe à la connexion.
Dépannage : Si vous obtenez l'erreur de connexion suivante, mettez à jour le Google Cloud SDK :
Flags parsing error: flag --connection_type=CLOUD_RESOURCE: value should be one of...
Récupérez et copiez l'ID du compte de service pour l'utiliser lors d'une prochaine étape :
bq show --connection PROJECT_ID.REGION.CONNECTION_ID
Le résultat ressemble à ce qui suit :
name properties 1234.REGION.CONNECTION_ID {"serviceAccountId": "connection-1234-9u56h9@gcp-sa-bigquery-condel.iam.gserviceaccount.com"}
Terraform
Ajoutez la section suivante à votre fichier 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 {} }
CONNECTION_ID
: ID de votre connexionPROJECT_ID
: ID de votre projet Google CloudREGION
: votre région de connexion
Accorder l'accès au compte de service
Sélectionnez l'une des options suivantes :
Console
Accédez à la page IAM et administration.
Cliquez sur
Accorder l'accès.La boîte de dialogue Ajouter des comptes principaux s'ouvre.
Dans le champ Nouveaux comptes principaux, saisissez l'ID du compte de service que vous avez copié précédemment.
Dans le champ Sélectionner un rôle, sélectionnez Document AI, puis Lecteur Document AI.
Cliquez sur Ajouter un autre rôle.
Dans le champ Sélectionner un rôle, sélectionnez Cloud Storage, puis Lecteur des objets Storage.
Cliquez sur Enregistrer.
gcloud
Exécutez la commande 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
Remplacez les éléments suivants :
PROJECT_NUMBER
: votre numéro de projet.MEMBER
: ID du compte de service que vous avez copié précédemment
L'échec de l'attribution de l'autorisation génère une erreur Permission denied
.
Créer un ensemble de données
Créez un ensemble de données pour contenir le modèle et la table d'objets.
Créer un modèle
Créez un modèle distant avec une valeur REMOTE_SERVICE_TYPE
de 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' );
Remplacez les éléments suivants :
PROJECT_ID
: ID de votre projet.DATASET_ID
: ID de l'ensemble de données pour contenir le modèle.MODEL_NAME
: nom du modèleREGION
: région utilisée par la connexion.CONNECTION_ID
: ID de connexion, par exemplemyconnection
.Lorsque vous affichez les détails de la connexion dans la console Google Cloud, il s'agit de la valeur de la dernière section de l'ID de connexion complet affiché dans ID de connexion (par exemple,
projects/myproject/locations/connection_location/connections/myconnection
).PROJECT_NUMBER
: numéro du projet contenant le processeur de documents. Pour trouver cette valeur, procédez comme suit :Affichez les détails du processeur, regardez le Point de terminaison de prédiction, et prenez la valeur qui suit l'élément Projets (par exemple,https://us-documentai.googleapis.com/v1/projects/project_number/locations/processor_location/processors/processor_id:process
).LOCATION
: emplacement utilisé par le processeur de documents. Pour trouver cette valeur, procédez comme suit :Affichez les détails du processeur, regardez le Point de terminaison de prédiction, et prenez la valeur qui suit l'élément emplacements (par exemplehttps://us-documentai.googleapis.com/v1/projects/project_number/locations/processor_location/processors/processor_id:process
).PROCESSOR_ID
: ID du processeur de documents Pour trouver cette valeur, procédez comme suit : Affichez les détails du processeur, regardez le Point de terminaison de prédiction, et prenez la valeur qui suit l'élément processeurs (par exemple,https://us-documentai.googleapis.com/v1/projects/project_number/locations/processor_location/processors/processor_id:process
).PROCESSOR_VERSION
: version du processeur de documents. Pour trouver cette valeur, procédez comme suit : Affichez les détails du processeur, sélectionnez l'onglet Gérer les versions puis copiez la valeur de l'ID de la version que vous souhaitez utiliser.
Pour afficher les colonnes de sortie du modèle, cliquez sur Go to model (Accéder au modèle) dans le résultat de la requête après la création du modèle. Les colonnes de résultat sont affichées dans la section Libellés de l'onglet Schéma.
Créer une table d'objets
Créez une table d'objets sur un ensemble de documents dans Cloud Storage. Les documents de la table d'objets doivent être d'un type compatible.
Traiter des documents
Traitez les documents avec la fonction ML.PROCESS_DOCUMENT
:
SELECT * FROM ML.PROCESS_DOCUMENT( MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`, TABLE `PROJECT_ID.DATASET_ID.OBJECT_TABLE_NAME` );
Remplacez les éléments suivants :
PROJECT_ID
: ID de votre projet.DATASET_ID
: ID de l'ensemble de données contenant le modèle.MODEL_NAME
: nom du modèleOBJECT_TABLE_NAME
: nom de la table d'objets contenant les URI des documents à traiter.
Examples
Exemple 1
L'exemple suivant utilise l'analyseur de dépenses pour traiter les documents représentés par la table documents
:
SELECT * FROM ML.PROCESS_DOCUMENT( MODEL `myproject.mydataset.expense_parser`, TABLE `myproject.mydataset.documents` );
Cette requête renvoie les rapports de dépenses analysés, y compris la devise, le montant total, la date de réception et les lignes des rapports de dépenses. La colonne ml_process_document_result
contient le résultat brut de l'analyseur de dépenses, et la colonne ml_process_document_status
contient les erreurs renvoyées par le traitement du document.
Exemple 2
L'exemple suivant montre comment filtrer la table d'objets pour choisir les documents à traiter, puis écrire les résultats dans une table :
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%';
Étapes suivantes
- Pour en savoir plus sur l'inférence de modèle dans BigQuery ML, consultez la page Présentation de l'inférence de modèle.
- Pour en savoir plus sur les instructions et les fonctions SQL compatibles avec chaque type de modèle, consultez la section Parcours utilisateur de bout en bout pour chaque modèle.