Overzicht van modeltypen in Microsoft Syntex

^{Van toepassing op: ✓ Alle aangepaste modellen | ✓ Alle vooraf gemaakte modellen}

Inzicht in uw inhoud in Microsoft Syntex begint met documentverwerkingsmodellen. Met documentverwerkingsmodellen kunt u documenten identificeren en classificeren die worden geüpload naar SharePoint-documentbibliotheken en vervolgens de informatie extraheren die u nodig hebt uit elk bestand.

Wanneer het model wordt toegepast op een SharePoint-documentbibliotheek, wordt het gekoppeld aan een inhoudstype en bevat het kolommen voor het opslaan van de informatie die wordt geëxtraheerd. De inhoud die u maakt, wordt opgeslagen in de SharePoint-inhoudstypegalerie. U kunt er ook voor kiezen om het schema van bestaande inhoudstypen te gebruiken.

Syntex maakt gebruik van aangepaste modellen en vooraf gemaakte modellen.

Modellen kunnen bedrijfsmodellen zijn, die worden gemaakt in een inhoudscentrum, of lokale modellen die op uw lokale SharePoint-site worden gemaakt.

Aangepaste modellen

Het type aangepast model dat u kiest, is afhankelijk van de bestandstypen die u gebruikt, de indeling en structuur van de bestanden en waar u het model wilt toepassen.

Aangepaste modellen zijn onder andere:

• Ongestructureerde documentverwerking
• Documentverwerking in vrije vorm
• Gestructureerde documentverwerking

Zie Aangepaste modellen vergelijken om de verschillen naast elkaar in aangepaste modellen weer te geven.

Ongestructureerde documentverwerking

Gebruik het niet-gestructureerde documentverwerkingsmodel om documenten automatisch te classificeren en er informatie uit te extraheren. Dit werkt het beste met ongestructureerde documenten zoals brieven of contracten. Deze documenten moeten tekst bevatten die kan worden geïdentificeerd op basis van frasen of patronen. De geïdentificeerde tekst duidt aan wat het bestandstype is (de classificatie) en wat u eruit wilt halen (de extractoren).

Een niet-gestructureerd document kan bijvoorbeeld een brief zijn voor het verlengen van een contract, die op verschillende manieren kan zijn geschreven. Informatie bestaat echter consistent in de hoofdtekst van elk contractverlengingsdocument, zoals de tekenreeks 'Begindatum van service' gevolgd door een werkelijke datum.

Dit modeltype ondersteunt het breedste scala aan bestandstypen en ondersteunt meer dan 40 talen.

Wanneer u een ongestructureerd documentverwerkingsmodel maakt, gebruikt u de optie Eén klassemodel .

Zie Overzicht van ongestructureerde documentverwerking voor meer informatie.

Documentverwerking in vrije vorm

Gebruik het freeform-documentverwerkingsmodel om automatisch informatie te extraheren uit ongestructureerde en vrije documenten, zoals brieven en contracten, waarbij de informatie overal in het document kan worden weergegeven.

Vrije documentverwerkingsmodellen maken gebruik van Microsoft Power Apps AI Builder om modellen in Syntex te maken en te trainen.

Opmerking

Het documentverwerkingsmodel in vrije vorm is nog niet beschikbaar in sommige regio's. Zie Beschikbaarheid van functies per regio voor meer informatie.

Omdat uw organisatie brieven en documenten in grote hoeveelheden ontvangt van verschillende bronnen, zoals e-mail, fax en e-mail, kan het verwerken van deze documenten en het handmatig invoeren ervan in een database veel tijd in beslag nemen. Door AI te gebruiken om de tekst en andere informatie uit deze documenten te extraheren, automatiseert dit model dit proces.

Dit modeltype is de beste optie voor documenten in PDF- of afbeeldingsbestanden wanneer u geen automatische classificatie van het type document nodig hebt en meer dan 40 talen ondersteunt.

Wanneer u een documentverwerkingsmodel met vrije vorm maakt, gebruikt u de optie Model voor vrije vormextractie .

Zie Overzicht van gestructureerde en vrije documentverwerking voor meer informatie.

Gestructureerde documentverwerking

Gebruik het gestructureerde documentverwerkingsmodel om veld- en tabelwaarden automatisch te identificeren. Dit werkt het beste voor gestructureerde of semi-gestructureerde documenten, zoals formulieren en facturen.

Gestructureerde documentverwerkingsmodellen maken gebruik van Microsoft Power Apps AI Builder-documentverwerking (voorheen bekend als formulierverwerking) om modellen in Syntex te maken en te trainen.

Dit modeltype ondersteunt het breedste scala aan talen en is getraind om de indeling van uw formulier te begrijpen op basis van voorbeelddocumenten en leert vervolgens te zoeken naar de gegevens die u nodig hebt om uit vergelijkbare locaties te extraheren. Forms hebben meestal een meer gestructureerde indeling waarbij entiteiten zich op dezelfde locatie bevinden (bijvoorbeeld een burgerservicenummer op een belastingformulier).

Wanneer u een gestructureerd documentverwerkingsmodel maakt, gebruikt u de optie Gestructureerd extractiemodel .

Zie Overzicht van gestructureerde en vrije documentverwerking voor meer informatie.

Vooraf gebouwde modellen

Als u geen aangepast model hoeft te maken, kunt u een vooraf samengesteld documentverwerkingsmodel gebruiken dat al is getraind voor specifieke gestructureerde documenten.

Vooraf gemaakte modellen zijn onder andere:

• Contractverwerking
• Factuurverwerking
• Ontvangstbevestiging verwerken
• Verwerking van gevoelige informatie
• Eenvoudige documentverwerking

Vooraf gemaakte modellen zijn vooraf getraind om documenten en de gestructureerde informatie in de documenten te herkennen. In plaats van dat u een nieuw aangepast model hoeft te maken, kunt u een bestaand vooraf getraind model herhalen om specifieke velden toe te voegen die voldoen aan de behoeften van uw organisatie.

Contractverwerking

Het vooraf gemaakte model voor contractverwerking analyseert en extraheert belangrijke informatie uit contractdocumenten. De API analyseert contracten in verschillende indelingen en extraheert belangrijke contractgegevens, zoals de naam van de klant of partij, het factureringsadres, de jurisdictie en de vervaldatum.

Zie Een vooraf samengesteld model gebruiken om informatie uit contracten te extraheren voor meer informatie over contractverwerkingsmodellen.

Factuurverwerking

Het vooraf gemaakte model voor factuurverwerking analyseert en extraheert belangrijke informatie uit verkoopfacturen. De API analyseert facturen in verschillende indelingen en extraheert belangrijke factuurgegevens, zoals de naam van de klant, het factuuradres, de vervaldatum en het verschuldigde bedrag.

Zie Een vooraf samengesteld model gebruiken om informatie uit facturen te extraheren voor meer informatie over modellen voor factuurverwerking.

Ontvangstbevestiging verwerken

Het vooraf gemaakte model voor het verwerken van ontvangstbewijzen analyseert en extraheert belangrijke informatie uit verkoopbevestigingen. De API analyseert afgedrukte en handgeschreven ontvangstbewijzen en extraheert belangrijke ontvangstgegevens, zoals de naam van de verkoper, het telefoonnummer van de verkoper, de transactiedatum, de belasting en het transactietotaal.

Zie Een vooraf samengesteld model gebruiken om informatie uit ontvangstbevestigingen te extraheren voor meer informatie over modellen voor het verwerken van ontvangstbewijzen.

Verwerking van gevoelige informatie

Het vooraf gemaakte model voor verwerking van gevoelige informatie analyseert, detecteert en extraheert belangrijke informatie uit documenten. De API analyseert contracten in verschillende indelingen en haalt belangrijke gevoelige informatie op, zoals burgerservicenummers, financiële rekeningnummers, identificatienummers voor rijbewijs en andere persoonlijke gegevens.

Zie Een vooraf samengesteld model gebruiken om gevoelige informatie uit documenten te detecteren voor meer informatie over modellen voor het verwerken van gevoelige informatie.

Eenvoudige documentverwerking

Het vooraf samengestelde eenvoudige documentverwerkingsmodel biedt een flexibele, vooraf getrainde oplossing voor het extraheren van sleutel-waardeparen, selectiemarkeringen en benoemde entiteiten uit gestructureerde basisdocumenten. In tegenstelling tot andere vooraf gemaakte modellen met vaste schema's, kan dit model sleutels identificeren die anderen mogelijk missen, wat een waardevol alternatief is voor aangepaste modellabels en -training. Dit model ondersteunt ook streepjescodes en taaldetectie.

Zie Een vooraf samengesteld model gebruiken om gevoelige informatie uit documenten te detecteren voor meer informatie over eenvoudige documentverwerkingsmodellen.