Použití finančních, ID a daňových modelů
Azure AI Document Intelligence obsahuje některé předem připravené modely, které jsou natrénované na běžných typech formulářů. Tyto modely můžete použít k získání hodnot společných polí z faktur, účtenek, vizitek a dalších.
Ve vaší společnosti pro dotazování se faktury a účtenky často odesílají jako fotky nebo skenování papírových dokumentů. Někdy je skenování špatné a papír je vyřízený nebo poškozený. Chcete vědět, jestli azure AI Document Intelligence dokáže tyto informace získat do databází efektivněji než ruční zadávání dat.
Tady se dozvíte o předem připravených modelech, které zpracovávají finanční, identity a daňové doklady.
Použití modelu faktury
Vaše firma vystavuje faktury a přijímá je od partnerské organizace. Na papíře nebo v digitalizovaných formulářích může existovat mnoho různých formátů a některé budou naskenovány špatně v lichých úhlech nebo z kresliného papíru.
Model faktury v Azure AI Document Intelligence dokáže tyto výzvy zvládnout a pomocí funkcí modelu čtení extrahuje text z kontrol faktury. Kromě toho extrahuje konkrétní pole, která se běžně používají na fakturách, včetně:
- Jméno zákazníka a referenční ID
- Číslo nákupní objednávky
- Faktura a termíny splatnosti
- Podrobnosti o dodavateli, například jméno, DIČ, fyzická adresa.
- Podobné podrobnosti o zákazníkovi.
- Fakturační a dodací adresy.
- Částky, jako je celková daň, celková částka faktury a splatná částka.
Faktury také obsahují řádky, obvykle v tabulce, z nichž každá je jedna zakoupená položka. Pro každý řádek model faktury identifikuje podrobnosti, mezi které patří:
- Popis a kód produktu fakturované za produkt nebo službu.
- Částky, jako je jednotková cena, množství položek, daň vzniklá a celkový součet řádku.
Použití modelu účtenek
Účtenky mají podobná pole a struktury jako faktury, ale zaznamenávají částky zaplacené místo účtovaných částek. Azure AI Document Intelligence čelí stejným výzvám při špatné kontrole nebo digitalizaci, ale dokáže spolehlivě identifikovat pole, mezi která patří:
- Obchodní údaje jsou takové jméno, telefonní číslo a adresa.
- Částky, jako jsou celkové příjmy, daň a tip.
- Datum a čas transakce.
Pokud jde o faktury, účtenky často obsahují tabulku položek, z nichž každá je zakoupená produktem nebo službou. Pro každý z těchto řádků model rozpozná:
- Název položky.
- Množství zakoupené položky.
- Jednotková cena položky.
- Celková cena za toto množství.
Poznámka:
V Azure AI Document Intelligence verze 3.0 a novějším model účtenek podporuje jednostránkové zpracování účtenek. Pokud je potvrzení klasifikováno jako potvrzení o hotelu, model extrahuje další relevantní pole, jako jsou data příjezdu a odjezdu.
Použití modelu dokumentu ID
Model dokumentu ID se vytrénuje tak, aby analyzoval dva typy dokumentu identity:
- USA řidičských licencí.
- Mezinárodní pasy.
Poznámka:
Analyzovat lze pouze životopisné stránky pasů. Víza a další cestovní doklady nejsou podporovány.
Model dokumentu ID může extrahovat pole, včetně:
- Křestní jméno a příjmení.
- Osobní údaje, jako je sex, datum narození a státní příslušnost.
- Země a oblast, kde byl dokument vydán.
- Jedinečná čísla, například číslo dokumentu a čitelné zóny počítače.
- Doporučení, omezení a klasifikace vozidel.
Důležité
Vzhledem k tomu, že většina dat extrahovaných modelem dokumentů ID je osobní, jedná se o citlivou povahu a vztahuje se na ně zákony o ochraně údajů ve většině jurisdikcí. Ujistěte se, že máte oprávnění jednotlivce ukládat svá data a dodržovat všechny zákonné požadavky způsobem, jakým tyto informace zpracováváte.
Použití modelu vizitek
Vizitky jsou oblíbeným způsobem, jak rychle vyměňovat kontaktní informace a často obsahují značky, neobvyklá písma a prvky grafického návrhu. Pole, která model vizitek může extrahovat, zahrnují:
- Křestní jméno a příjmení.
- Poštovní adresy.
- E-mailové adresy a adresy webů.
- Různá telefonní čísla.
Použití jiných předem připravených modelů
Azure AI Document Intelligence nabízí několik předem připravených modelů s pravidelným vydáním nových modelů. Před trénováním vlastního modelu je vhodné ověřit, jestli se váš případ použití dá přesně analyzovat pomocí některého z těchto předem připravených modelů. Použití předem vytvořeného modelu bude těžit z důkladného testování, aktualizovaných verzí modelu a snížení nákladů ve srovnání s vlastním modelem.