ابزارها و محصولات

AWS سرویس Textract Insights را برای تحلیل اسناد عرضه کرد

Amazon Textract Insights با توصیف فیلدها به زبان طبیعی، داده های ساختاریافته را همراه با امتیاز اطمینان و ارجاع به صفحه منبع از اسناد استخراج می کند.

۴ دقیقه مطالعه منبع: AWS Machine Learning
AWS سرویس Textract Insights را برای تحلیل اسناد عرضه کرد

خلاصه در یک نگاه

  • Amazon Textract Insights به صورت عمومی عرضه شد و از طریق API جدیدی در Amazon Textract در دسترس است.
  • کاربر فیلدهای موردنیاز را به زبان طبیعی توصیف می کند و نیازی به آموزش مدل نیست.
  • هر مقدار استخراج شده امتیاز اطمینان و ارجاع به صفحه و مختصات منبع دارد.
  • یک فایل حداکثر ۳۰۰۰ صفحه ای شامل چند سند تفکیک و با الگوی مناسب تطبیق داده می شود.
  • قیمت گذاری بر اساس صفحه است، نه توکن، و حداقل تعهدی ندارد.

AWS سرویس Amazon Textract Insights را به صورت عمومی عرضه کرد. این قابلیت مبتنی بر هوش مصنوعی مولد است و از طریق یک API جدید در Amazon Textract در دسترس قرار می گیرد. کاربر فیلدهای موردنظر را به زبان طبیعی توصیف می کند و نتیجه را به صورت داده ساختاریافته دریافت می کند. هر مقدار امتیاز اطمینان و ارجاع به صفحه منبع دارد.

Amazon Textract Insights چه کاری انجام می دهد؟

سازمان های مالی، بیمه ای، درمانی و دولتی برای تبدیل فرم های اسکن شده به داده قابل استفاده به پردازش اسناد وابسته اند. بسیاری از این اسناد تک منظوره و مرتب نیستند. برای مثال، یک پرونده وام مسکن ممکن است در یک اسکن شامل W-2، فیش حقوقی، صورت حساب بانکی و یادداشت دست نویس باشد و ترتیب ثابتی هم نداشته باشد.

تیم ها معمولاً یکی از دو مسیر را می روند. مسیر اول ساخت خط لوله اختصاصی از OCR، تفکیک سند، طبقه بندی، پرامپت به یک مدل پایه و مرحله بازبینی است و تیم باید همه آن را یکپارچه، مقیاس پذیر و اجرا کند. مسیر دوم استفاده از یک مدل زبانی بزرگ عمومی است. این مدل پاسخ روان می دهد، اما صفحه منبع و امتیاز اطمینان را به طور قابل اتکا ارائه نمی کند. به گفته AWS، همین نبود ردپا و امتیاز کالیبره شده تعیین می کند کدام مقدارها را بتوان خودکار پذیرفت و کدام را باید بازبینی کرد.

Amazon Textract Insights این جریان کار را در یک درخواست ناهمگام روی Amazon Textract جمع می کند.

الگوها، تفکیک اسناد و ارجاع به منبع

کاربر داده موردنیاز را در یک «blueprint» تعریف می کند. این الگو یک JSON Schema است و هر فیلد آن توضیحی به زبان طبیعی دارد. هر فیلد یک نوع استنتاج هم دارد که مشخص می کند مقدار عیناً از صفحه خوانده شود یا از محتوای سند استنباط شود. الگوهای عمومی AWS برای اسنادی مانند W-2، Form 1040، Form 1098، پاسپورت و شناسنامه موجودند. کاربر می تواند الگوی اختصاصی هم بنویسد.

برای فایل های ترکیبی، الگوی هر نوع سند به یک پروژه اضافه می شود. سپس یک فایل تا ۳۰۰۰ صفحه از Amazon S3 ارسال و تفکیک فعال می شود. سرویس فایل را به زیرسندهای منطقی تقسیم می کند، هر یک را با الگوی مناسب تطبیق می دهد و فیلدها را استخراج می کند.

در نمونه AWS، یک درخواست وام ۲۶ صفحه ای با یک فراخوانی StartDocumentInsights ارسال می شود. نتیجه در باکت S3 کاربر نوشته می شود و هر مقدار امتیاز اطمینان، شماره صفحه و کادر مختصاتی منبع خود را دارد.

فیلدها دو نوع اند: فیلدهای صریح که مستقیم از صفحه خوانده می شوند و فیلدهای استنباطی که از محتوا به دست می آیند. هر دو با امتیاز اطمینان و ارجاع به منبع برمی گردند. بازبین یا حسابرس می تواند هر نتیجه را با سند اصلی تطبیق دهد.

ویجی آگراوال (Vijay Agrawal)، معاون سیستم های اطلاعاتی Symbeo، شرکت زیرمجموعه CorVel، گفت فرم ها و صورت حساب های پزشکی آن ها از منابع مختلف و با قالب های متفاوت می رسد. به گفته او، با امتیاز اطمینان تیم می تواند بازبینی را فقط روی فیلدهای کم اطمینان متمرکز کند.

به روزرسانی Amazon Textract Core و امنیت داده

AWS موتور خواندن Amazon Textract یعنی Amazon Textract Core را هم به روز کرده است. دقت بهتر شده، پردازش جدول های متراکم و دست خط تقویت شده و پوشش زبانی APIهای DetectDocumentText و AnalyzeDocument به ۴۰ زبان رسیده است. APIهای فعلی تغییری نکرده اند. Amazon Textract Core حالا در مناطق Asia Pacific (Tokyo) و Europe (Zurich) هم در دسترس است و پردازش درون منطقه ای به ۱۸ منطقه AWS رسیده است. Amazon Textract Insights هنوز در این دو منطقه عرضه نشده است.

پروژه ها و الگوها به طور پیش فرض با کلیدهای متعلق به AWS رمزگذاری می شوند. کاربر می تواند کلید مدیریت شده خودش را در AWS KMS تعیین کند. داده های میانی کار گذرا هستند و پس از پایان کار حذف می شوند.

سرویس منطقه بهینه را در همان حوزه جغرافیایی برای پردازش انتخاب می کند. برای مثال، درخواست های آمریکا در خود آمریکا پردازش می شوند.

قیمت و زمان عرضه

Amazon Textract Insights اکنون عمومی است. ورودی های PDF، PNG، JPEG و TIFF را می پذیرد و اسناد انگلیسی، فرانسوی، آلمانی، ایتالیایی، پرتغالی و اسپانیایی را پردازش می کند. قیمت گذاری بر اساس صفحه است، نه توکن، و حداقل تعهدی ندارد.

شروع کار چهار گام دارد: تعریف الگو، ساخت پروژه، ارسال اسناد با یک فراخوانی API و بازبینی نتایج. AWS توصیه می کند آستانه اطمینان روی نمونه ای نماینده از اسناد خود کاربر تنظیم شود. مقدارهای بالاتر از آستانه پذیرفته می شوند و بقیه برای بازبینی می روند.

چرا این خبر مهم است؟

کمبود اعتماد به خروجی مدل های زبانی در پردازش اسناد مانع اصلی خودکارسازی است. اگر هر مقدار به صفحه و مختصات منبع وصل باشد و امتیاز اطمینان داشته باشد، تیم ها می توانند تصمیم بگیرند کدام داده بدون دخالت انسان پذیرفته شود. به گفته AWS، این رویکرد امکان خودکارسازی را برای اسنادی که پیش تر به بازبینی دستی می رفتند گسترش می دهد، بدون آنکه انسان از جاهایی که قضاوت لازم است حذف شود.

تفکیک خودکار فایل های چندسندی و نبود نیاز به آموزش مدل هم بار ساخت و نگهداری خط لوله های اختصاصی را کم می کند. این برای سازمان هایی که با اسناد متنوع و ترکیبی کار می کنند اهمیت دارد.

منابع

این خبر بر پایه منابع بالا، با کمک هوش مصنوعی به فارسی بازنویسی و توسط تحریریه برتر AI منتشر شده است. برای جزئیات کامل به منبع اصلی مراجعه کنید.