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 la région multirégionale 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'objets
  • bigquery.models.getData sur le modèle
  • bigquery.jobs.create

Avant de commencer

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

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. Make sure that billing is enabled for your Google Cloud project.

4. Enable the BigQuery, BigQuery Connection API, and Document AI APIs.

   Enable the APIs

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. Make sure that billing is enabled for your Google Cloud project.

7. Enable the BigQuery, BigQuery Connection API, and Document AI APIs.

   Enable the APIs

Créer un outil de traitement

Créez un processeur 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

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Pour créer une connexion, cliquez sur Ajouter, puis sur Connexions aux sources de données externes.

3. Dans la liste Type de connexion, sélectionnez Modèles distants Vertex AI, fonctions distantes et BigLake (ressource Cloud).

4. Dans le champ ID de connexion, saisissez un nom pour votre connexion.

5. Cliquez sur Create connection (Créer une connexion).

6. Cliquez sur Accéder à la connexion.

7. Dans le volet Informations de connexion, copiez l'ID du compte de service à utiliser à l'étape suivante.

bq

1. 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 connexion
   • PROJECT_ID : ID de votre projet Google Cloud
   • CONNECTION_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...
   

2. 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": "[e-mail]"}
   

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 {}
}        

Remplacez les éléments suivants :

• CONNECTION_ID : ID de votre connexion
• PROJECT_ID : ID de votre projet Google Cloud
• REGION : votre région de connexion

Accorder l'accès au compte de service

Sélectionnez l'une des options suivantes :

Console

1. Accédez à la page IAM et administration.

   Accéder à IAM et administration

2. Cliquez sur Accorder l'accès.

   La boîte de dialogue Ajouter des comptes principaux s'ouvre.

3. Dans le champ Nouveaux comptes principaux, saisissez l'ID du compte de service que vous avez copié précédemment.

4. Dans le champ Sélectionner un rôle, sélectionnez Document AI, puis Lecteur Document AI.

5. Cliquez sur Ajouter un autre rôle.

6. Dans le champ Sélectionnez un rôle, sélectionnez Cloud Storage, puis Lecteur d'objets Storage.

7. 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.

Remarque : Si vous créez le processeur dans un projet différent de celui du bucket Cloud Storage utilisé par la table d'objets, accordez les rôles IAM (Identity and Access Management) du compte de service comme suit :

• Attribuez au compte de service le rôle de lecteur de Document AI dans le projet qui contient le processeur.
• Attribuez au compte de service le rôle "Lecteur des objets Storage" dans le projet contenant le bucket Cloud Storage.

Créer un ensemble de données

Créez un ensemble de données pour contenir le modèle et la table d'objets. Vous devez créer l'ensemble de données, la connexion et le processeur de documents dans la même région.

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 = 'PROCESSOR_ID'
);

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 modèle
• REGION : région utilisée par la connexion.
• CONNECTION_ID : ID de connexion, par exemple myconnection.

  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).

• PROCESSOR_ID : ID du processeur de documents Pour trouver cette valeur, affichez les détails du processeur, puis examinez la ligne ID dans la section Informations de base.

Important : Vous devez spécifier l'ID de projet pour la connexion, même si la connexion se trouve dans le projet par défaut.

Pour afficher les colonnes de sortie du modèle, cliquez sur Accéder au modèle dans le résultat de la requête une fois le modèle créé. Les colonnes de sortie 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 tous les documents avec ML.PROCESS_DOCUMENT :

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

Remplacez l'élément suivant :

• PROJECT_ID : ID de votre projet.
• DATASET_ID : ID de l'ensemble de données contenant le modèle.
• MODEL_NAME : nom du modèle
• OBJECT_TABLE_NAME : nom de la table d'objets contenant les URI des documents à traiter.

Vous pouvez également traiter certains documents avec ML.PROCESS_DOCUMENT :

SELECT *
FROM ML.PROCESS_DOCUMENT(
  MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`,
  (SELECT *
  FROM `PROJECT_ID.DATASET_ID.OBJECT_TABLE_NAME`
  WHERE FILTERS
  LIMIT NUM_DOCUMENTS
  )
);

Remplacez l'élément suivant :

• PROJECT_ID : ID de votre projet.
• DATASET_ID : ID de l'ensemble de données contenant le modèle.
• MODEL_NAME : nom du modèle
• OBJECT_TABLE_NAME : nom de la table d'objets contenant les URI des documents à traiter.
• FILTERS : conditions permettant de filtrer les documents que vous souhaitez traiter sur les colonnes de la table d'objets.
• NUM_DOCUMENTS : nombre maximal de documents que vous souhaitez traiter.

Exemples

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 frais analysés, y compris la devise, le montant total, la date du reçu et les éléments de ligne des rapports de frais. La colonne ml_process_document_result contient la sortie brute 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 nouvelle 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`,
    (SELECT * FROM `myproject.mydataset.expense_reports`
    WHERE uri LIKE '%restaurant%'));

Étape suivante

• 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.