Korzystanie z modeli analizy dokumentów platformy Azure

Korzystanie z interfejsu API

Aby wyodrębnić dane formularza przy użyciu modelu niestandardowego, użyj funkcji analizowania dokumentu obsługiwanego zestawu SDK lub interfejsu API REST podczas podawania identyfikatora modelu (generowanego podczas trenowania modelu). Ta funkcja uruchamia analizę formularza. następnie możesz zażądać wyniku w celu uzyskania analizy.

Przykładowy kod do wywołania modelu:

C#

string endpoint = "<endpoint>";
string apiKey = "<apiKey>";
AzureKeyCredential credential = new AzureKeyCredential(apiKey);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

string modelId = "<modelId>";
Uri fileUri = new Uri("<fileUri>");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, modelId, fileUri);
AnalyzeResult result = operation.Value;

Pyton

endpoint = "YOUR_DOC_INTELLIGENCE_ENDPOINT"
key = "YOUR_DOC_INTELLIGENCE_KEY"

model_id = "YOUR_CUSTOM_BUILT_MODEL_ID"
formUrl = "YOUR_DOCUMENT"

document_analysis_client = DocumentAnalysisClient(
    endpoint=endpoint, credential=AzureKeyCredential(key)
)

# Make sure your document's type is included in the list of document types the custom model can analyze
task = document_analysis_client.begin_analyze_document_from_url(model_id, formUrl)
result = task.result()

Pomyślna odpowiedź JSON zawiera element analyzeResult zawierający wyodrębnione treści oraz tablicę stron zawierających informacje o zawartości dokumentu.

Przykładowa odpowiedź JSON dokumentu do analizy :

{
	"status": "succeeded",
	"createdDateTime": "2023-10-18T23:39:50Z",
	"lastUpdatedDateTime": "2023-10-18T23:39:54Z",
	"analyzeResult": {
		"apiVersion": "2022-08-31",
		"modelId": "DocIntelModel",
		"stringIndexType": "utf16CodeUnit",
		"content": "Purchase Order\nHero Limited\nCompany Phone: 555-348-6512 Website: www.herolimited.com Email: accounts@herolimited.com\nPurchase Order\nDated As: 12/20/2020 Purchase Order #: 948284\nShipped To Vendor Name: Balozi Khamisi Company Name: Higgly Wiggly Books Address: 938 NE Burner Road Boulder City, CO 92848 Phone: 938-294-2949\nShipped From Name: Kidane Tsehaye Company Name: Jupiter Book Supply Address: 383 N Kinnick Road Seattle, WA 38383\nPhone: 932-299-0292\nDetails\nQuantity\nUnit Price\nTotal\nBindings\n20\n1.00\n20.00\nCovers Small\n20\n1.00\n20.00\nFeather Bookmark\n20\n5.00\n100.00\nCopper Swirl Marker\n20\n5.00\n100.00\nSUBTOTAL\n$140.00\nTAX\n$4.00\nTOTAL\n$144.00\nKidane Tsehaye\nManager\nKidane Tsehaye\nAdditional Notes: Do not Jostle Box. Unpack carefully. Enjoy. Jupiter Book Supply will refund you 50% per book if returned within 60 days of reading and offer you 25% off you next total purchase.",
		"pages": [
			{
				"pageNumber": 1,
				"angle": 0,
				"width": 1159,
				"height": 1486,
				"unit": "pixel",
				"words": [
					{
						"content": "Purchase",
						"polygon": [
							89,
							90,
							174,
							91,
							174,
							112,
							88,
							112
						],
						"confidence": 0.996,
						"span": {
							"offset": 0,
							"length": 8
						}
					},
					{
						"content": "Order",
						"polygon": [
							178,
							91,
							237,
							91,
							236,
							113,
							178,
							112
						],
						"confidence": 0.997,
						"span": {
							"offset": 9,
							"length": 5
						}
					},
                    ...

Zapoznaj się z dokumentacją dotyczącą przewodników Szybki start dotyczących języka obsługiwanego .

Informacje o wskaźnikach ufności

Jeśli wartości ufności elementu analyzeResult są niskie, spróbuj poprawić jakość dokumentów wejściowych.

Chcesz upewnić się, że analizowane formularze mają podobny wygląd do formularzy w zestawie treningowym, jeśli wartości ufności są niskie. Jeśli wygląd formularza różni się, rozważ trenowanie więcej niż jednego modelu, a każdy model koncentruje się na jednym formacie formularza.

W zależności od przypadku użycia może się okazać, że wskaźnik ufności 80% lub wyższy jest akceptowalny dla aplikacji o niskim ryzyku. W przypadku bardziej wrażliwych przypadków, takich jak odczytywanie dokumentacji medycznej lub oświadczeń rozliczeniowych, zaleca się ocenę 100%.