Document AI: Einführung, Prozessoren und Bewertung

Document AI: Introduction, processors & evaluation wird von BTW Media profiliert, weil veröffentlichte Beweise es mit Internetinfrastruktur, Governance, Betriebsabhängigkeiten oder Marktsichtbarkeit in Verbindung bringen.

• Document AI wandelt unstrukturierte Inhalte in strukturierte Daten um, was das Verständnis, die Analyse und die Nutzung erleichtert.
• Ein Document AI-Prozessor ist eine Schnittstelle zwischen der Dokumentdatei und einem Machine-Learning-Modell, das für eine dokumentenzentrierte Aufgabe entwickelt wurde.

Google Docs AI ist ein leistungsstarkes Tool, mit dem Sie Dokumente mühelos erstellen, bearbeiten und gemeinsam bearbeiten können. Dank der integrierten künstlichen Intelligenz profitieren die Nutzer von Funktionen wie automatischer Rechtschreib- und Grammatikprüfung, intelligenten Vorschlägen und Spracheingabe.

Was ist Document AI?

Document AIwandelt unstrukturierte Inhalte in strukturierte Daten um, was das Verständnis, die Analyse und die Nutzung erleichtert. Es extrahiert und klassifiziert Informationen aus unstrukturierten Dokumenten.

Es ist eine End-to-End-Cloud-Plattform für die Dokumentenverarbeitung.

Neben dem Lesen und Erfassen von Benutzerdokumenten versteht es auch die räumliche Struktur des Dokuments. Wenn jemand beispielsweise ein Kundenfeedback-Formular (Frage-und-Antwort-Typ) durch einen Analysator laufen lässt, erkennt Document AI, dass es Fragen und Antworten im Formular gibt, und extrahiert sie als Schlüssel-Wert-Paare. Da diese Daten jetzt strukturiert und als Schlüssel-Wert-Paare verfügbar sind, werden sie für ihn nützlicher. Beispielsweise können Benutzer schnelle Analysen durchführen und die Kundenstimmung aus dem Feedback ableiten. Sie können die Ausgabe einfach durch Aufrufen einer API in Ihre Anwendungen integrieren.

Lesen Sie auch:Autify startet Zenes, einen KI-Agenten für Software-Qualitätssicherung

Lesen Sie auch:Google Play verschärft Regeln für KI-Apps nach dem Deepfake-Nackt-Skandal

Funktionen des Document AI-Prozessors

Ein Document AI-Prozessorist eine Schnittstelle zwischen der Dokumentdatei und einem Machine-Learning-Modell, das für eine dokumentenzentrierte Aufgabe entwickelt wurde. Hier sind die Funktionen des Document AI-Prozessors:

• OCR: Die Dokumenten-OCR kann verwendet werden, um Text in verschiedenen Dokumenttypen zu identifizieren und zu extrahieren.
• Formularanalyse: Der Formularanalysator kann verwendet werden, um Formularelemente wie Text und Kontrollkästchen zu extrahieren.
• Qualitätsanalyse: Der Dokumentqualitätsprozessor kann für eine intelligente Dokumentqualitätsverarbeitung verwendet werden.
• Aufteilung: Der Dokumententeiler kann verwendet werden, um Dokumentengrenzen zu identifizieren, um sie in einer großen Datei aufzuteilen.
• Klassifizierung: Beispielsweise kann der Darlehensdokumententeiler/-klassifizierer verwendet werden, um Dokumente in einer großen Datei zu identifizieren und bekannte Darlehensdokumenttypen zu klassifizieren.
• Entitätsextraktion: Beispielsweise kann der Rechnungsanalysator verwendet werden, um mehr als 30 Felder aus Rechnungen zu extrahieren: ID, Betrag, Artikelposition usw.

Bewertung der Prozessorleistung

Document AI generiert Bewertungsmetriken wie Precision und Recall, um Benutzern zu helfen, die Vorhersageleistung ihrer Prozessoren zu bestimmen.

Diese Bewertungsmetriken werden generiert, indem die vom Prozessor zurückgegebenen Entitäten (die Vorhersagen) mit den Annotationen in den Testdokumenten verglichen werden.

Wenn ihr Prozessor keinen Testsatz hat, müssen Sie zuerst einen Datensatz erstellen und die Testdokumente beschriften.

Eine Bewertung wird automatisch durchgeführt, sobald Sie eine Version des Prozessors trainieren oder erneut trainieren.

Benutzer können auch manuell eine Bewertung durchführen. Dies ist erforderlich, um aktualisierte Metriken zu generieren, nachdem der Testsatz geändert wurde, oder wenn sie eine vortrainierte Prozessorversion bewerten.

Es ist wichtig zu beachten, dass Document AI keine Bewertungsmetriken für ein Label berechnen kann, wenn die Prozessorversion dieses Label nicht extrahieren kann (z. B. wurde das Label zum Zeitpunkt des Trainings deaktiviert) oder wenn der Testsatz keine Annotationen für dieses Label enthält. Diese Label werden nicht in die aggregierten Metriken einbezogen.