擷取總覽

Document AI 提供多種產品，可從文件中擷取資訊，用於不同用途：

• 表單剖析器

• 自訂擷取器，提供三種不同的建模類型：

  • 基礎模型
  • 以自訂模型為準
  • 以自訂範本為基礎

• 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，以便擴充及自動擷取資料。它可以從預設值中擷取最多 11 個一般實體和核取方塊。您未指定要使用表單剖析器擷取的欄位 (結構定義)。模型會從每個文件頁面中偵測並傳回實體。

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，並提供三種建模選項：基礎模型、以自訂模型為準和以自訂範本為準。基礎模型幾乎不需訓練資料就能產生不錯的結果，因此我們建議您先從基礎模型開始，視需要再嘗試其他選項。基礎模型會根據資料集中最多 5 份標記文件，執行零到少量樣本預測，並針對資料集中超過 10 份標記文件進行精修預測。

訓練方法		文件範例	文件版面配置變化	自由格式文字或段落	可供實際使用且品質良好的訓練文件數量 (視變化程度而定)
微調和基礎模型 (生成式 AI)。		合約、服務條款、帳單、銀行對帳單、提單、薪資單。	由高至低 (建議)。	高。	中型：0 至 50 份以上文件。
自訂模型。	Model.	不同年份或供應商的類似表單 (例如 W9)，其版面配置有所差異。	低至中等。	低。	高：10 到 100 份以上文件。
	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，因此建議您將其設為所有變數版面配置的第一個選項。

版面配置剖析器

注意： 版面配置剖析器為公開測試版

版面配置剖析器會將各種格式的文件轉換為結構化表示法，讓使用者存取段落、表格、清單等內容，以及標題、頁面標頭和頁尾等結構元素，並建立情境感知分塊，以便在各種生成式 AI 和探索應用程式中檢索資訊。