擷取總覽

Document AI 提供多種產品，可從文件中擷取資訊，適用於不同用途：

• 表單剖析器

• 自訂擷取器，提供三種不同的模型類型：

  • 基礎模型
  • 以自訂模型為準
  • 以自訂範本為準

• 版面配置剖析器

表單剖析器

表單剖析器會擷取鍵/值組合 (KVP)、表格、選取標記 (核取方塊) 和一般欄位，以擴增及自動擷取資料。這項功能最多可從文件中擷取 11 個一般實體和核取方塊。您不需要指定要使用表單剖析器擷取的欄位 (結構定義)。模型會偵測並傳回文件每頁中感興趣的實體。

自訂擷取器

自訂擷取器會擷取您在結構定義中定義的實體，並提供三種模型選項：基礎模型、以自訂模型為準，以及以自訂範本為準。基礎模型只需極少或完全不需要訓練資料，就能產生令人滿意的結果，因此我們建議您先使用基礎模型，再視需要嘗試其他選項。基礎模型會根據資料集中最多 5 份已加上標籤的文件，進行零樣本或少樣本預測；如果資料集中有超過 10 份已加上標籤的文件，則會進行微調預測。

訓練方法		文件範例	文件版面配置變化	任意形式的文字或段落	視變異性而定，達到可投入生產的品質所需的訓練文件數量
微調和基礎模型 (生成式 AI)。		合約、服務條款、月結單、銀行對帳單、提單、薪資單。	從高到低 (建議)。	高。	中型：0 到 50 份以上的文件。
自訂模型。	Model.	不同年度或供應商的類似表單 (例如 W9)，但版面配置不同。	低至中等。	低。	高：10 到 100 份以上的文件。
	範本。	版面配置固定的稅務表單 (例如表單 941 和 709)。	無	低。	低 (3 份文件)。

由於基礎模型通常只需要較少的訓練文件，因此建議您將其做為所有變數版面配置的第一個選項。

版面配置剖析器

注意： 版面配置剖析器目前為公開測試版

版面配置剖析器可將各種格式的文件轉換為結構化表示法，讓段落、表格、清單等內容，以及標題、頁首和頁尾等結構化元素都能存取，並建立內容認知分塊，以便在各種生成式 AI 和探索應用程式中檢索資訊。