文档智能合同模型

此内容适用于：v4.0 (GA) | 以前的版本：v3.1 (GA) :::moniker-end

文档智能合同模型使用强大的光学字符识别 (OCR) 功能来分析和提取一组选定的重要合同实体中的关键字段和行项目。 合同可以采用各种格式和质量，包括手机拍摄的图像、扫描文档和数字 PDF。 API分析文档文本； 提取关键信息，例如当事人、司法管辖区、合同 ID 和标题；并返回结构化 JSON 数据表示。 该模型当前支持英语文档格式。

自动合同处理

自动化合同处理是从文档中提取关键合同字段的过程。 过去，合同分析过程一直是手动完成的，因此非常耗时。 从合同中准确提取关键数据通常是合同自动化过程中的第一步，也是最关键的一步。

开发选项

输入要求

支持以下文件格式。

• 照片和扫描：为获得最佳结果，请为每个文档提供一张清晰的照片或高质量的扫描。
• PDF 和 TIFF：对于 PDF 和 TIFF，最多可以处理 2,000 页。 （使用免费层订阅时，只处理前两个页面。
• 文件大小：用于分析文档的文件大小是付费层 （S0） 层的 500 MB，免费层为 4 MB（F0） 层。
• 图像尺寸：尺寸必须介于 50 像素 x 50 像素和 10,000 像素 x 10,000 像素之间。
• 密码锁：如果 PDF 是密码锁定的，则必须在提交之前删除该锁。
• 文本高度：要提取的文本的最小高度是 1024 x 768 像素图像的 12 像素。 此尺寸对应于大约 8 磅文本，即每英寸 150 点。
• 自定义模型训练：自定义模板模型的最大训练页数为 500，自定义神经模型为 50,000。
• 自定义提取模型训练：对于模板模型，训练数据的总大小为 50 MB，神经网络模型为 1 GB。
• 自定义分类模型训练：训练数据的总大小为 1 GB，最大为 10,000 页。 对于 2024-11-30（GA），训练数据的总大小为 2 GB，最大为 10,000 页。
• Office 文件类型（DOCX、XLSX、PPTX）：最大字符串长度限制为 800 万个字符。

尝试合同文档数据提取

了解如何从合同中提取数据，包括客户信息、供应商详细信息和行项目。 需要以下资源：

• Azure 订阅 - 你可以免费创建一个。

• Azure 门户中的文档智能实例。 可以使用免费定价层 (F0) 来试用该服务。 在部署资源后，选择“转到资源”以获取密钥和终结点。

文档智能工作室

1. 在文档智能工作室主页上，选择“税务文档”。

2. 可以分析示例税务文档或上传自己的文件。

3. 选择“运行分析”按钮，并根据需要配置“分析选项”：

   

支持的语言和区域设置

有关受支持语言的完整列表，请参阅我们的“语言支持 - 预生成模型”页。

字段提取

• 有关受支持的文档提取字段，请参阅 GitHub 示例存储库中的“合同模型架构”页。

• 提取的合同键值对和行项目位于 JSON 输出的 documentResults 部分。

后续步骤

• 尝试使用 Document Intelligence Studio 来处理你自己的表单和文档。

• 完成文档智能快速入门，并使用你选择的开发语言开始创建文档处理应用。