丰富

Document AI 使用 Enterprise Knowledge Graph 来对实体提取结果进行归一化和丰富（适用于受支持的字段）。例如，地址 123 Main St Apt 1 和 123 Main street # 1 可以归一为相同的标准化地址。

对于每个受支持的字段，除了原始提取的字段之外，Document AI 还会返回 normalizedValue，以规范化字面文本。该文件包含采用标准格式的数据，以减少后处理工作量。

大多数数据属于以下某一类：

• 金额
• 日期
• 时间戳
• 地址
• 布尔值
• 整数
• 浮点数

示例响应

您可以在 entities.normalizedValue 字段中找到经过丰富的值，如以下截断的示例所示：

{
  "entities": [
    {
      "textAnchor": {
        "textSegments": [ ... ],
        "content": "Google Singapore"
      },
      "type": "employer_name",
      "mentionText": "Google Singapore",
      "confidence": 0.69933707,
      "pageAnchor": {
        "pageRefs": [
          {
            "boundingPoly": {
              "normalizedVertices": [ ... ]
            }
          }
        ]
      },
      "id": "9",
      "normalizedValue": {
        "text": "Google Asia Pacific, Singapore"
      }
    }
  ]
}

在示例中，原始 employer_name“Google Singapore”已标准化为“Google Asia Pacific, Singapore”。

在 Google Cloud 控制台中，经过丰富和标准化的字段带有 G 注解。例如：

Web 应用中显示的归一化字段示例。

支持的处理器

下面列出了支持实体丰富功能的处理器和字段。

注意 ：经过丰富的字段可能会随着新处理器版本而发生变化。如需了解 Document AI 更新，请参阅版本说明。

处理器	经过丰富的字段
银行对账单解析器 类别 预先训练 解决方案类型 放款 函数 光学字符识别 (OCR)、实体提取 发布阶段 正式版 访问状态 公开 完整的处理器详细信息 详细条目	bank_address bank_name
W2 解析器 类别 预先训练 解决方案类型 放款 函数 光学字符识别 (OCR)、实体提取 发布阶段 正式版 访问状态 公开 完整的处理器详细信息 详细条目	EmployerNameAndAddress EIN
工资单解析器 类别 预先训练 解决方案类型 放款 函数 光学字符识别 (OCR)、实体提取 发布阶段 正式版 访问状态 公开 完整的处理器详细信息 详细条目	employer_address employer_name
Expense Parser 类别 预先训练 解决方案类型 采购 函数 光学字符识别 (OCR)、实体提取 发布阶段 正式版 访问状态 公开 完整的处理器详细信息 详细条目	supplier_address supplier_name supplier_phone
账单解析器 类别 预先训练 解决方案类型 采购 函数 光学字符识别 (OCR)、实体提取 发布阶段 正式版 访问状态 公开 完整的处理器详细信息 详细条目	supplier_address supplier_name supplier_phone