文档理解

简介

文档理解是来也智能文档处理平台提供的综合性AI能力，利用平台上已有的OCR、NLP原子能力以及深度学习模型，能够协助机器人理解文档，对文档进行分类、比对、关键信息提取。

文档类型

我们把业务中的数据分为结构化、半结构化、非结构化三类，以下是他们的一些特点：

• 结构化
  • 文档版面样式固定，不同样本之间没有版式差异
  • 例如办理业务的信息收集表，样式都是固定的，需要用户在空白处填写信息
• 半结构化
  • 文档版面样式相对固定，不同样本需要提取相同的内容，但是提取内容出现的位置可能不同
  • 例如公司从不同供应商采购货物的送货单，每个供应商都会有自己的格式，但是送货单上都会有订单号、商品的信息等
• 非结构化
  • 文档没有显著的版面样式，虽然要提取相同的内容，但是可能会使用不同的表达方式
  • 例如合同、简历等几乎都是用纯文本表达的文档

功能简介

目前，我们把文档理解中的能力，按照任务类型划分为分类、抽取、比对3种类型，每个AI能力的适用场景为：

• 文档分类
  • 通过标注少量数据即可训练出一个文档分类模型，可以对文档进行分类推荐。
  • 适用于对整个文档进行分类，也支持对文档的每一页进行分类推荐。
• 自训练抽取
  • 通过标注数据即可训练处一个文档抽取模型，对文档进行关键信息提取。
  • 我们提供了2种训练方式
    • 单据自训练适用于处理训练数据较少、文档为结构化或半结构化的场景，例如送货单、非标准化票据等。
    • 文档自训练适用于处理训练数据较多的场景，也非常适合处理非结构化的文档，例如合同、招标公告、简历等。
• 文档比对
  • 适用于比对电子版合同和实际签署纸质合同扫描件，快速定位差异，提升法务人员工作效率。