Vad är layoutmodellen för dokumentinformation?

Det här innehållet gäller för:v4.0 (GA) | Tidigare versioner:v3.1 (GA)v3.0 (drar tillbaka)v2.1 (dras tillbaka)

Layoutmodellen Azure Document Intelligence i Foundry Tools är ett avancerat API för dokumentanalys baserat på maskininlärning. Modellen är tillgänglig i document intelligence-molnet. Du kan använda den för att ta dokument i olika format och returnera strukturerade datarepresentationer av dokumenten. Modellen kombinerar en förbättrad version av de kraftfulla funktionerna för optisk teckenigenkänning (OCR) med djupinlärningsmodeller för att extrahera text, tabeller, urvalsmarkeringar och dokumentstruktur.

Layoutanalys för dokumentstruktur

Layoutanalys av dokumentstruktur är en process för att analysera ett dokument för att extrahera intressanta regioner och deras samband. Målet är att extrahera text och strukturella element från sidan för att skapa bättre semantiska förståelsemodeller. Det finns två typer av roller i en dokumentlayout:

• Geometriska roller: Text, tabeller, siffror och urvalsmarkeringar är exempel på geometriska roller.
• Logiska roller: Rubriker och sidfötter är exempel på logiska roller i texter.

Följande bild visar de typiska komponenterna i en bild av en exempelsida.

Utvecklingsalternativ

Document Intelligence v4.0: 2024-11-30 (GA) stöder följande verktyg, program och bibliotek.

Språk som stöds

En fullständig lista över språk som stöds finns i Språkstöd: Dokumentanalysmodeller.

Filtyper som stöds

Layoutmodellen Document Intelligence v4.0: 2024-11-30 (GA) stöder följande filformat:

Indatakrav

• Foton och genomsökningar: För bästa resultat, ge ett tydligt foto eller högkvalitativ genomsökning per dokument.
• PDF-filer och TIFF:er: För PDF-filer och TIFF:er kan upp till 2 000 sidor bearbetas. (Med en prenumeration på den kostnadsfria nivån bearbetas endast de två första sidorna.)
• Lösenordslås: Om dina PDF-filer är lösenordslåsta måste du ta bort låset innan det skickas in.
• Filstorlek: Filstorleken för att analysera dokument är 500 MB för den betalda nivån (S0) och 4 MB för den kostnadsfria nivån (F0).
• Bilddimensioner: Bilddimensionerna måste vara mellan 50 bildpunkter x 50 bildpunkter och 10 000 bildpunkter x 10 000 bildpunkter.
• Texthöjd: Den minsta höjden på texten som ska extraheras är 12 bildpunkter för en bild på 1 024 x 768 bildpunkter. Den här dimensionen motsvarar cirka 8-punktstext vid 150 punkter per tum.
• Anpassad modellträning: Det maximala antalet sidor för träningsdata är 500 för den anpassade mallmodellen och 50 000 för den anpassade neurala modellen.
• Anpassad extraheringsmodellträning: Den totala storleken på träningsdata är 50 MB för mallmodellen och 1 GB för den neurala modellen.
• Anpassad klassificeringsmodellträning: Den totala storleken på träningsdata är 1 GB med högst 10 000 sidor. För 2024-11-30 (GA) är den totala storleken på träningsdata 2 GB med högst 10 000 sidor.
• Office-filtyper (DOCX, XLSX, PPTX): Den maximala stränglängdsgränsen är 8 miljoner tecken.

Mer information om modellanvändning, kvoter och tjänstgränser finns i Tjänstbegränsningar.

Kom igång med layoutmodellen

Se hur data, inklusive text, tabeller, tabellrubriker, markeringsmarkeringar och strukturinformation, extraheras från dokument med hjälp av Dokumentinformation. Du behöver följande resurser:

• En Azure-abonnemang. Du kan skapa en kostnadsfritt.

• En Document Intelligence-instans i Azure-portalen. Du kan använda den kostnadsfria prisnivån (F0) för att prova tjänsten. När resursen har distribuerats väljer du Gå till resurs för att hämta din nyckel och slutpunkt.

  

När du har hämtat din nyckel och slutpunkt använder du följande utvecklingsalternativ för att skapa och distribuera dina dokumentinformationsprogram.

Extrahering av data

Layoutmodellen extraherar strukturella element från dina dokument. Följande strukturella element beskrivs i resten av den här artikeln tillsammans med vägledning om hur du extraherar dem från dina dokumentindata:

• Sidor
• Paragrafer
• Text, rader och ord
• Valmarkeringar
• Tabeller
• Generera svar i markdown-format
• Figurer
• Sektioner

Kör exempellayoutdokumentanalysen i Document Intelligence Studio. Gå sedan till resultatfliken och få åtkomst till fullständiga JSON-utdata.

Sidor

Samlingen pages är en lista över sidor i dokumentet. Varje sida representeras sekventiellt i dokumentet och innehåller orienteringsvinkeln, som anger om sidan roteras och bredden och höjden (dimensioner i bildpunkter). Sidstorheterna i modellutdata beräknas som visas i följande tabell.

# Analyze pages.
for page in result.pages:
print(f"----Analyzing layout from page #{page.page_number}----")
print(f"Page has width: {page.width} and height: {page.height}, measured with unit: {page.unit}")

"pages": [
    {
        "pageNumber": 1,
        "angle": 0,
        "width": 915,
        "height": 1190,
        "unit": "pixel",
        "words": [],
        "lines": [],
        "spans": []
    }
]

Extrahera markerade sidor

För stora dokument med flera sidor använder du pages frågeparametern för att ange specifika sidnummer eller sidintervall för textextrahering.

Paragrafer

Layoutmodellen extraherar alla identifierade textblock i paragraphs samlingen som ett objekt på den översta nivån under analyzeResults. Varje post i den här samlingen representerar ett textblock och innehåller den extraherade texten som content och avgränsningskoordinaterna polygon . Informationen spans pekar på textfragmentet i den översta egenskapen content som innehåller den fullständiga texten från dokumentet.

"paragraphs": [
    {
        "spans": [],
        "boundingRegions": [],
        "content": "While healthcare is still in the early stages of its Al journey, we are seeing pharmaceutical and other life sciences organizations making major investments in Al and related technologies.\" TOM LAWRY | National Director for Al, Health and Life Sciences | Microsoft"
    }
]

Paragrafroller

Den nya identifieringen av sidobjekt baserat på maskininlärning extraherar logiska roller som rubriker, avsnittsrubriker, sidhuvuden, sidfötter med mera. Layoutmodellen för dokumentintelligens tilldelar vissa textblock i paragraphs-samlingen deras specialiserade roll eller typ, som modellen förutspår.

Det är bäst att använda styckeroller med ostrukturerade dokument för att förstå layouten för det extraherade innehållet för en mer omfattande semantisk analys. Följande styckeroller stöds.

{
    "paragraphs": [
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "title",
                    "content": "NEWS TODAY"
                },
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "sectionHeading",
                    "content": "Mirjam Nilsson"
                }
    ]
}

Text, rader och ord

Dokumentlayoutmodellen i Dokumentintelligens extraherar text i utskrifts- och handskriftsstil som lines och words. Samlingen styles innehåller alla handskrivna formatmallar för rader, om de identifieras, tillsammans med de intervall som pekar på den associerade texten. Den här funktionen gäller för handskrivna språk som stöds.

För Microsoft Word, Excel, PowerPoint och HTML extraherar layoutmodellen Document Intelligence v4.0 2024-11-30 (GA) all inbäddad text som den är. Texter extraheras som ord och stycken. Inbäddade bilder stöds inte.

# Analyze lines.
if page.lines:
    for line_idx, line in enumerate(page.lines):
    words = get_words(page, line)
    print(
        f"...Line # {line_idx} has word count {len(words)} and text '{line.content}' "
        f"within bounding polygon '{line.polygon}'"
    )

    # Analyze words.
    for word in words:
        print(f"......Word '{word.content}' has a confidence of {word.confidence}")

"words": [
    {
        "content": "While",
        "polygon": [],
        "confidence": 0.997,
        "span": {}
    },
],
"lines": [
    {
        "content": "While healthcare is still in the early stages of its Al journey, we",
        "polygon": [],
        "spans": [],
    }
]

Handskriven stil för textrader

Svaret innehåller om varje textrad är i handskriven stil eller inte, tillsammans med en konfidenspoäng. Mer information finns i Stöd för handskrivna språk. I följande exempel visas ett exempel på JSON-kodfragment.

"styles": [
{
    "confidence": 0.95,
    "spans": [
    {
        "offset": 509,
        "length": 24
    }
    "isHandwritten": true
    ]
}

Om du aktiverar funktionen för teckensnitt/formattillägg får du även teckensnitts-/formatmallsresultatet styles som en del av objektet.

Valmärken

Layoutmodellen extraherar också urvalsmarkeringar från dokument. Extraherade markeringar visas i pages samlingen för varje enskild sida. De inkluderar avgränsningen polygon, confidenceoch markeringen state (selected/unselected). Textrepresentationen (dvs :selected: . och :unselected) ingår också som startindex (offset) och length som refererar till den översta egenskapen content som innehåller den fullständiga texten från dokumentet.

# Analyze selection marks.
if page.selection_marks:
    for selection_mark in page.selection_marks:
        print(
            f"Selection mark is '{selection_mark.state}' within bounding polygon "
            f"'{selection_mark.polygon}' and has a confidence of {selection_mark.confidence}"
        )

{
    "selectionMarks": [
        {
            "state": "unselected",
            "polygon": [],
            "confidence": 0.995,
            "span": {
                "offset": 1421,
                "length": 12
            }
        }
    ]
}

Tabeller

Att extrahera tabeller är ett viktigt krav för att bearbeta dokument som innehåller stora mängder data som vanligtvis formateras som tabeller. Layoutmodellen extraherar tabeller i pageResults avsnittet i JSON-utdata. Extraherad tabellinformation innehåller antalet kolumner och rader, radintervall och kolumnintervall.

Varje cell med sin avgränsningspolygon matas ut tillsammans med information om området identifieras som columnHeader eller inte. Modellen stöder extrahering av tabeller som roteras. Varje tabellcell innehåller rad- och kolumnindex och avgränsningspolygonkoordinater. För celltexten matar modellen ut den span information som innehåller startindexet (offset). Modellen matar också ut length innehållet på den översta nivån som innehåller den fullständiga texten från dokumentet.

Här följer några faktorer att tänka på när du använder funktionen för extrahering av dokumentinformationsbalar:

• Är de data som du vill extrahera presenterade som en tabell och är tabellstrukturen meningsfull?
• Kan data få plats i ett tvådimensionellt rutnät om data inte är i tabellformat?
• Sträcker sig tabellerna över flera sidor? Om så är fallet, för att undvika att behöva märka alla sidor, delar du upp PDF-filen i sidor innan du skickar den till Dokumentinformation. Efter analysen bearbetar du sidorna till en enda tabell.
• Se Tabellfält om du skapar anpassade modeller. Dynamiska tabeller har ett variabelt antal rader för varje kolumn. Fasta tabeller har ett konstant antal rader för varje kolumn.

if result.tables:
    for table_idx, table in enumerate(result.tables):
        print(f"Table # {table_idx} has {table.row_count} rows and " f"{table.column_count} columns")
        if table.bounding_regions:
            for region in table.bounding_regions:
                print(f"Table # {table_idx} location on page: {region.page_number} is {region.polygon}")
        # Analyze cells.
        for cell in table.cells:
            print(f"...Cell[{cell.row_index}][{cell.column_index}] has text '{cell.content}'")
            if cell.bounding_regions:
                for region in cell.bounding_regions:
                print(f"...content on page {region.page_number} is within bounding polygon '{region.polygon}'")

{
    "tables": [
        {
            "rowCount": 9,
            "columnCount": 4,
            "cells": [
                {
                    "kind": "columnHeader",
                    "rowIndex": 0,
                    "columnIndex": 0,
                    "columnSpan": 4,
                    "content": "(In millions, except earnings per share)",
                    "boundingRegions": [],
                    "spans": []
                    },
            ]
        }
    ]
}

Utdatasvar på Markdown-format

Layout-API:et kan mata ut den extraherade texten i Markdown-format. outputContentFormat=markdown Använd för att ange utdataformatet i Markdown. Markdown-innehållet genereras som en del av content-avsnittet.

document_intelligence_client = DocumentIntelligenceClient(endpoint=endpoint, credential=AzureKeyCredential(key))
poller = document_intelligence_client.begin_analyze_document(
    "prebuilt-layout",
    AnalyzeDocumentRequest(url_source=url),
    output_content_format=ContentFormat.MARKDOWN,
)

PageHeader="This is the header of the document."

This is title
===
# 1\. Text
Latin refers to an ancient Italic language originating in the region of Latium in ancient Rome.
# 2\. Page Objects
## 2.1 Table
Here's a sample table below, designed to be simple for easy understand and quick reference.
| Name | Corp | Remark |
| - | - | - |
| Foo | | |
| Bar | Microsoft | Dummy |
Table 1: This is a dummy table
## 2.2. Figure
<figure>
<figcaption>

Figure 1: Here is a figure with text
</figcaption>

![](figures/0)
FigureContent="500 450 400 400 350 250 200 200 200- Feb"
</figure>

# 3\. Others
Al Document Intelligence is an Al service that applies advanced machine learning to extract text, key-value pairs, tables, and structures from documents automatically and accurately:
    :selected:
clear
    :selected:
precise
    :unselected:
vague
    :selected:
coherent
    :unselected:
Incomprehensible
Turn documents into usable data and shift your focus to acting on information rather than compiling it. Start with prebuilt models or create custom models tailored to your documents both on premises and in the cloud with the Al Document Intelligence studio or SDK.
Learn how to accelerate your business processes by automating text extraction with Al Document Intelligence. This webinar features hands-on demos for key use cases such as document processing, knowledge mining, and industry-specific Al model customization.
PageFooter="This is the footer of the document."
PageFooter="1 | Page"

Siffror

Siffror (diagram och bilder) i dokument spelar en avgörande roll när det gäller att komplettera och förbättra textinnehållet. De tillhandahåller visuella representationer som underlättar förståelsen av komplex information. Objektet figures som identifieras av layoutmodellen har nyckelegenskaper som:

• boundingRegions: De rumsliga platserna för figuren på dokumentsidorna, inklusive sidnumret och polygonkoordinaterna som beskriver figurens gräns.
• spans: Textdelar relaterade till figuren som anger sina förskjutningar och längder i dokumentets text. Den här anslutningen hjälper till att associera figuren med dess relevanta textkontext.
• elements: Identifierare för textelement eller stycken i dokumentet som är relaterade till eller beskriver figuren.
• caption: Beskrivningen om sådan finns.

När output=figures anges under den inledande analysåtgärden genererar tjänsten beskurna bilder för alla identifierade siffror som kan nås via /analyeResults/{resultId}/figures/{figureId}. Värdet FigureId är det ID som ingår i varje figurobjekt, enligt en odokumenterad konvention om {pageNumber}.{figureIndex} var figureIndex återställs till en per sida.

För v4.0 2024-11-30 (GA) täcker avgränsningsregionerna för siffror och tabeller endast kärninnehållet och exkluderar tillhörande bildtexter och fotnoter.

# Analyze figures.
if result.figures:
    for figures_idx,figures in enumerate(result.figures):
        print(f"Figure # {figures_idx} has the following spans:{figures.spans}")
        for region in figures.bounding_regions:
            print(f"Figure # {figures_idx} location on page:{region.page_number} is within bounding polygon '{region.polygon}'")

{
    "figures": [
        {
        "id": "{figureId}",
        "boundingRegions": [],
        "spans": [],
        "elements": [
            "/paragraphs/15",
            ...
        ],
        "caption": {
            "content": "Here is a figure with some text",
            "boundingRegions": [],
            "spans": [],
            "elements": [
            "/paragraphs/15"
            ]
        }
        }
    ]
}

Sektioner

Hierarkisk dokumentstrukturanalys är avgörande för att organisera, förstå och bearbeta omfattande dokument. Den här metoden är viktig för att semantiskt segmentera långa dokument för att öka förståelsen, underlätta navigeringen och förbättra informationshämtningen. Tillkomsten av hämtningsförhöjd generation (RAG) i dokumentgenerativ AI understryker betydelsen av hierarkisk dokumentstrukturanalys.

Layoutmodellen stöder avsnitt och underavsnitt i utdata, som identifierar relationen mellan avsnitt och objekt i varje avsnitt. Den hierarkiska strukturen underhålls i elements för varje avsnitt. Du kan använda utdatasvaret i Markdown-format för att enkelt hämta avsnitten och underavsnitten i Markdown.

document_intelligence_client = DocumentIntelligenceClient(endpoint=endpoint, credential=AzureKeyCredential(key))
poller = document_intelligence_client.begin_analyze_document(
    "prebuilt-layout",
    AnalyzeDocumentRequest(url_source=url),
    output_content_format=ContentFormat.MARKDOWN,
)

{
    "sections": [
        {
        "spans": [],
        "elements": [
            "/paragraphs/0",
            "/sections/1",
            "/sections/2",
            "/sections/5"
        ]
        },
...
}

Det här innehållet gäller för:v3.1 (GA) | Senaste version:v4.0 (GA) | Tidigare versioner:v3.0v2.1

Det här innehållet gäller för:v3.0 (dra tillbaka) | Senaste versioner:v4.0 (GA)v3.1 | Tidigare version:v2.1 (dra tillbaka)

Det här innehållet gäller för:v2.1 | Senaste version:v4.0 (GA)

Layoutmodellen för dokumentinformation är ett avancerat API för dokumentanalys. Modellen baseras på maskininlärning och är tillgänglig i document intelligence-molnet. Du kan använda den för att ta dokument i olika format och returnera strukturerade datarepresentationer av dokumenten. Den kombinerar en förbättrad version av de kraftfulla OCR-funktionerna med djupinlärningsmodeller. Du kan använda den för att extrahera text, tabeller, markeringsmarkeringar och dokumentstruktur.

Analys av dokumentlayout

Layoutanalys av dokumentstruktur är en process för att analysera ett dokument för att extrahera intressanta regioner och deras samband. Målet är att extrahera text och strukturella element från sidan för att skapa bättre semantiska förståelsemodeller. Det finns två typer av roller i en dokumentlayout:

• Geometriska roller: Text, tabeller, siffror och urvalsmarkeringar är exempel på geometriska roller.
• Logiska roller: Rubriker och sidfötter är exempel på logiska roller i texter.

Följande bild visar de typiska komponenterna i en bild av en exempelsida.

Språk och nationella inställningar som stöds

En fullständig lista över språk som stöds finns i Språkstöd: Dokumentanalysmodeller.

Document Intelligence v2.1 stöder följande verktyg, program och bibliotek.

Vägledning för inmatning

Filformat som stöds:

• Foton och genomsökningar: För bästa resultat, ge ett tydligt foto eller högkvalitativ genomsökning per dokument.
• PDF-filer och TIFF:er: För PDF-filer och TIFF:er kan upp till 2 000 sidor bearbetas med en kostnadsfri prenumeration. Endast de två första sidorna bearbetas.
• Filstorlek: Filstorleken för att analysera dokument är 500 MB för den betalda nivån (S0) och 4 MB för den kostnadsfria nivån (F0).
• Bilddimensioner: Bilddimensionerna måste vara mellan 50 bildpunkter x 50 bildpunkter och 10 000 bildpunkter x 10 000 bildpunkter.
• Lösenordslås: Om dina PDF-filer är lösenordslåsta måste du ta bort låset innan det skickas in.
• Texthöjd: Den minsta höjden på texten som ska extraheras är 12 bildpunkter för en bild på 1 024 x 768 bildpunkter. Den här dimensionen motsvarar cirka 8-punktstext vid 150 punkter per tum.
• Anpassad modellträning: Det maximala antalet sidor för träningsdata är 500 för den anpassade mallmodellen och 50 000 för den anpassade neurala modellen.
• Anpassad extraheringsmodellträning: Den totala storleken på träningsdata är 50 MB för mallmodellen och 1 GB för den neurala modellen.
• Anpassad klassificeringsmodellträning: Den totala storleken på träningsdata är 1 GB med högst 10 000 sidor. För 2024-11-30 (GA) är den totala storleken på träningsdata 2 GB med högst 10 000 sidor.
• Office-filtyper (DOCX, XLSX, PPTX): Den maximala stränglängdsgränsen är 8 miljoner tecken.

Inmatningsguide

• Filformat som stöds: JPEG, PNG, PDF och TIFF.
• Antal sidor som stöds: För PDF och TIFF bearbetas upp till 2 000 sidor. För prenumeranter på den kostnadsfria nivån bearbetas endast de två första sidorna.
• Filstorlek som stöds: Filstorleken måste vara mindre än 50 MB och dimensionerna måste vara minst 50 x 50 bildpunkter och högst 10 000 x 10 000 bildpunkter.

Kom igång

Du kan använda Dokumentinformation för att extrahera data som text, tabeller, tabellrubriker, markeringsmarkeringar och strukturinformation från dokument. Du behöver följande resurser:

• En Azure-abonnemang. Du kan skapa en kostnadsfritt.
• En Document Intelligence-instans i Azure-portalen. Du kan använda den kostnadsfria prisnivån (F0) för att prova tjänsten. När resursen har distribuerats väljer du Gå till resurs för att hämta din nyckel och slutpunkt.

När du har hämtat din nyckel och slutpunkt kan du använda följande utvecklingsalternativ för att skapa och distribuera dina dokumentinformationsprogram.

REST API

• Document Intelligence v2.1 (Form Recognizer)

Exempeletikettverktyg för dokumentinformation

1. Gå till Document Intelligence Sample Labeling-verktyget.

2. På exempelverktygets startsida väljer du Använd layout för att hämta text, tabeller och markeringsmarkeringar.

   

3. I fältet För dokumentinformationstjänstens slutpunkt klistrar du in slutpunkten som du fick med din Document Intelligence-prenumeration.

4. I nyckelfältet klistrar du in nyckeln som du hämtade från dokumentinformationsresursen.

5. I fältet Källa väljer du URL på den nedrullningsbara menyn. Du kan använda exempeldokumentet:

   • Exempeldokument.

   • Välj Hämta.

6. Välj Kör layout. Provmärkningsverktyget för Dokumentanalys anropar API:et Analysera layout-API:et för att analysera dokumentet.

   

7. Visa resultatet. Se den markerade extraherade texten, identifierade markeringsmarkeringar och identifierade tabeller.

   

Document Intelligence v2.1 stöder följande verktyg, program och bibliotek.

Extrahera data

Layoutmodellen extraherar strukturella element från dina dokument. De strukturella elementen beskrivs här, och följande vägledning visar hur du extraherar dem från dina dokumentindata.

• Sida
• Paragraf
• Text, rad och ord
• Markeringssymbol
• Tabell
• Anteckningar

Extrahera data

Layoutmodellen extraherar strukturella element från dina dokument. De strukturella elementen beskrivs här, och följande vägledning visar hur du extraherar dem från dina dokumentindata.

• Sida
• Paragraf
• Text, rad och ord
• Markeringsmarkering
• Tabell
• Naturlig läsordning
• Välj sidnummer eller intervall

Sida

Samlingen pages är en lista över sidor i dokumentet. Varje sida representeras sekventiellt i dokumentet och innehåller orienteringsvinkeln som anger om sidan roteras och bredden och höjden (dimensioner i bildpunkter). Sidstorheterna i modellutdata beräknas som visas i följande tabell.

"pages": [
    {
        "pageNumber": 1,
        "angle": 0,
        "width": 915,
        "height": 1190,
        "unit": "pixel",
        "words": [],
        "lines": [],
        "spans": []
    }
]

Extrahera markerade sidor från dokument

För stora dokument med flera sidor använder du pages frågeparametern för att ange specifika sidnummer eller sidintervall för textextrahering.

Paragraf

Layoutmodellen extraherar alla identifierade textblock i paragraphs samlingen som ett objekt på den översta nivån under analyzeResults. Varje post i den här samlingen representerar ett textblock och innehåller den extraherade texten som content och avgränsningskoordinaterna polygon. Informationen span pekar på textfragmentet i den översta egenskapen content som innehåller den fullständiga texten från dokumentet.

"paragraphs": [
    {
        "spans": [],
        "boundingRegions": [],
        "content": "While healthcare is still in the early stages of its Al journey, we are seeing pharmaceutical and other life sciences organizations making major investments in Al and related technologies.\" TOM LAWRY | National Director for Al, Health and Life Sciences | Microsoft"
    }
]

Paragrafrad

Den nya identifieringen av sidobjekt baserat på maskininlärning extraherar logiska roller som rubriker, avsnittsrubriker, sidhuvuden, sidfötter med mera. Layoutmodellen för dokumentintelligens tilldelar vissa textblock i paragraphs-samlingen deras specialiserade roll eller typ, som modellen förutspår. Det är bäst att använda styckeroller med ostrukturerade dokument för att förstå layouten för det extraherade innehållet för en mer omfattande semantisk analys. Följande styckeroller stöds.

{
    "paragraphs": [
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "title",
                    "content": "NEWS TODAY"
                },
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "sectionHeading",
                    "content": "Mirjam Nilsson"
                }
    ]
}

Text, rad och ord

Dokumentlayoutmodellen i Dokumentinformation extraherar text i utskrifts- och handskriven stil som rader och ord. Samlingen styles innehåller alla handskrivna formatmallar för rader om de identifieras tillsammans med de intervall som pekar på den associerade texten. Den här funktionen gäller för handskrivna språk som stöds.

För Word, Excel, PowerPoint och HTML extraherar layoutmodellen Document Intelligence v4.0 2024-11-30 (GA) all inbäddad text som den är. Texter extraheras som ord och stycken. Inbäddade bilder stöds inte.

"words": [
    {
        "content": "While",
        "polygon": [],
        "confidence": 0.997,
        "span": {}
    },
],
"lines": [
    {
        "content": "While healthcare is still in the early stages of its Al journey, we",
        "polygon": [],
        "spans": [],
    }
]

Handskriven stil

Svaret innehåller klassificering av om varje textrad har handskriftsstil eller inte, tillsammans med en konfidenspoäng. Mer information finns i Stöd för handskrivna språk. I följande exempel visas ett exempel på JSON-kodfragment.

"styles": [
{
    "confidence": 0.95,
    "spans": [
    {
        "offset": 509,
        "length": 24
    }
    "isHandwritten": true
    ]
}

Om du aktiverar funktionen för teckensnitt/formattillägg får du även teckensnitts-/formatmallsresultatet styles som en del av objektet.

Markeringsmarkering

Layoutmodellen extraherar också urvalsmarkeringar från dokument. Extraherade markeringar visas i pages samlingen för varje enskild sida. De inkluderar avgränsningen polygon, confidenceoch markeringen state (selected/unselected). Textrepresentationen (dvs :selected: . och :unselected) ingår också som startindex (offset) och length som refererar till den översta egenskapen content som innehåller den fullständiga texten från dokumentet.

{
    "selectionMarks": [
        {
            "state": "unselected",
            "polygon": [],
            "confidence": 0.995,
            "span": {
                "offset": 1421,
                "length": 12
            }
        }
    ]
}

Tabell

Att extrahera tabeller är ett viktigt krav för att bearbeta dokument som innehåller stora mängder data som vanligtvis formateras som tabeller. Layoutmodellen extraherar tabeller i pageResults avsnittet i JSON-utdata. Extraherad tabellinformation innehåller antalet kolumner och rader, radintervall och kolumnintervall. Varje cell med sin avgränsningspolygon matas ut tillsammans med information om området identifieras som columnHeader eller inte.

Modellen stöder extrahering av tabeller som roteras. Varje tabellcell innehåller rad- och kolumnindex och avgränsningspolygonkoordinater. För celltexten matar modellen ut den span information som innehåller startindexet (offset). Modellen matar också ut length innehållet på den översta nivån som innehåller den fullständiga texten från dokumentet.

Här följer några faktorer att tänka på när du använder funktionen för extrahering av dokumentinformationsbalar:

• Är de data som du vill extrahera presenterade som en tabell och är tabellstrukturen meningsfull?
• Kan data få plats i ett tvådimensionellt rutnät om data inte är i tabellformat?
• Sträcker sig tabellerna över flera sidor? Om så är fallet, för att undvika att behöva märka alla sidor, delar du upp PDF-filen i sidor innan du skickar den till Dokumentinformation. Efter analysen bearbetar du sidorna till en enda tabell.
• Se Tabellfält om du skapar anpassade modeller. Dynamiska tabeller har ett variabelt antal rader för varje kolumn. Fasta tabeller har ett konstant antal rader för varje kolumn.

{
    "tables": [
        {
            "rowCount": 9,
            "columnCount": 4,
            "cells": [
                {
                    "kind": "columnHeader",
                    "rowIndex": 0,
                    "columnIndex": 0,
                    "columnSpan": 4,
                    "content": "(In millions, except earnings per share)",
                    "boundingRegions": [],
                    "spans": []
                    },
            ]
        }
    ]
}

Anteckningar

Layoutmodellen extraherar markeringar i dokument, till exempel kontroller och kryss. Svaret innehåller typen av annotering, tillsammans med en säkerhetspoäng och en avgränsningspolygon.

    {
    "pages": [
    {
        "annotations": [
        {
            "kind": "cross",
            "polygon": [...],
            "confidence": 1
        }
        ]
    }
    ]
}

Naturliga avläsningsordningsutdata (endast latinsk)

Du kan ange i vilken ordning textraderna ska matas ut med frågeparametern readingOrder . Använd natural för en mer användarvänlig läsordning, som visas i följande exempel. Den här funktionen stöds endast för latinska språk.

Välj sidnummer eller intervall för textextrahering

För stora dokument med flera sidor använder du pages frågeparametern för att ange specifika sidnummer eller sidintervall för textextrahering. I följande exempel visas ett dokument med 10 sidor, med text extraherad för båda fallen, alla sidor (1–10) och valda sidor (3–6).

Åtgärden Hämta analyslayoutresultat

Det andra steget är att anropa åtgärden Get Analyze Layout Result . Den här åtgärden tar som indata det resultat-ID som åtgärden Analyze Layout skapade. Det returnerar ett JSON-svar som innehåller ett statusfält med följande möjliga värden.

Anropa den här åtgärden iterativt tills den succeeded returnerar värdet. Om du vill undvika att överskrida frekvensen begäranden per sekund använder du ett intervall på tre till fem sekunder.

När statusfältet har succeeded värdet innehåller JSON-svaret den extraherade layouten, texten, tabellerna och markeringsmarkeringarna. Extraherade data innehåller utdragna textrader och ord, avgränsningsrutor, textutseende med indikering av handskriven text, tabeller och markeringar med angivet markerad/omarkerad status.

Handskriven klassificering för textrader (endast latinsk)

Svaret innehåller klassificering av om varje textrad har ett handskrivet format eller inte, tillsammans med en konfidenspoäng. Den här funktionen stöds endast för latinska språk. I följande exempel visas den handskrivna klassificeringen för texten i bilden.

Exempel på JSON-utdata

Svaret på åtgärden Get Analyze Layout Result är en strukturerad representation av dokumentet med all information som extraheras. Se en exempeldokumentfil och dess strukturerade utdata exempellayoututdata.

JSON-utdata har två delar:

• Noden readResults innehåller all igenkänd text och markeringssymbol. Textpresentationshierarkin är sida, rad och sedan enskilda ord.
• Noden pageResults innehåller de tabeller och celler som extraheras med sina avgränsningsrutor, konfidens och en referens till raderna och orden i readResults fältet.

Exempel på utdata

Text

Layout-API:et extraherar text från dokument och bilder med flera textvinklar och färger. Det accepterar foton av dokument, fax, tryckt och/eller handskriven text (endast på engelska) och blandade inmatningslägen. Text extraheras med information om rader, ord, avgränsningsrutor, konfidenspoäng och format (handskriven eller annan). All textinformation ingår i readResults avsnittet i JSON-utdata.

Tabeller med rubriker

Layout-API:n extraherar tabeller i pageResults-avsnittet av JSON-utdata. Du kan skanna, fotografera eller digitalisera dokument. Tabeller kan vara komplexa med sammanfogade celler eller kolumner, med eller utan kantlinjer och med udda vinklar.

Extraherad tabellinformation innehåller antalet kolumner och rader, radintervall och kolumnintervall. Varje cell med sin begränsningsbox presenteras tillsammans med information om huruvida området känns igen som en del av en rubrik eller inte. De modellförutsägda rubrikcellerna kan sträcka sig över flera rader och är inte nödvändigtvis de första raderna i en tabell. De fungerar också med roterade tabeller. Varje tabellcell innehåller också den fullständiga texten med referenser till de enskilda orden i readResults avsnittet.

Urvalsmarkeringar (dokument)

Layout-API:et extraherar också urvalsmarkeringar från dokument. Extraherade urvalsmärken inkluderar begränsningsruta, tillförlitlighet och tillstånd (markerad/avmarkerad). Urvalsinformation extraheras i readResults avsnittet i JSON-utdata.

Migreringsguide

• Om du vill lära dig hur du använder v3.1-versionen i dina program och arbetsflöden följer du stegen i migreringsguiden för Dokumentinformation v3.1.

• Lär dig hur du bearbetar dina egna formulär och dokument med Document Intelligence Studio.
• Slutför en snabbstart för dokumentinformation och skapa en app för dokumentbearbetning på valfritt utvecklingsspråk.

• Hitta fler exempel på GitHub.

• Hitta fler exempel på GitHub.

• Lär dig hur du bearbetar dina egna formulär och dokument med verktyget Exempeletiketter för dokumentinformation.
• Slutför en snabbstart för dokumentinformation och skapa en app för dokumentbearbetning på valfritt utvecklingsspråk.