Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Bewährte Methoden
Amazon Textract verwendet maschinelles Lernen, um Dokumente so zu lesen, wie es eine Person tun würde. Es extrahiert Text, Tabellen und Formulare aus Dokumenten. Verwenden Sie die folgenden bewährten Methoden, um die besten Ergebnisse aus Ihren Dokumenten zu erzielen.
Stellen Sie ein optimales Eingabedokument bereit
Eine geeignete Eingabe für einen Amazon Textract Textract-Vorgang ist ein ein- oder mehrseitiges Dokument. Einige Beispiele sind ein Rechtsdokument, ein Formular, eine ID oder ein Brief. Ein Formular ist ein Dokument mit Fragen oder Aufforderungen für einen Benutzer, Antworten zu geben. Einige Beispiele sind ein Patientenregistrierungsformular, ein Steuerformular oder ein Formular für Versicherungsansprüche.
Ein Dokument kann im JPEG-, PNG-, PDF- oder TIFF-Format vorliegen. Mit Dateien im PDF- und TIFF-Format können Sie mehrseitige Dokumente verarbeiten. Informationen darüber, wie Amazon Textract Dokumente als Block Objekte darstellt, finden Sie unterAntwortobjekte für Texterkennung und Dokumentenanalyse.
Im Folgenden finden Sie ein Beispiel für ein akzeptables Eingabedokument.
Informationen zu Dokumentenbeschränkungen finden Sie unterKontingente in Amazon Textract.
Für synchrone Amazon Textract Textract-Operationen können Sie Eingabedokumente verwenden, die in einem Amazon S3 S3-Bucket gespeichert sind, oder Sie können Base64-kodierte Bildbytes übergeben. Weitere Informationen finden Sie unter Synchronous Operations von Amazon Textract aufrufen. Für asynchrone Operationen müssen Sie Eingabedokumente in einem Amazon S3 S3-Bucket bereitstellen. Weitere Informationen finden Sie unter Asynchrone Amazon Textract Textract-Operationen aufrufen.
Im Folgenden finden Sie eine Liste einiger Möglichkeiten, wie Sie Ihre Eingabedokumente optimieren können, um bessere Ergebnisse zu erzielen.
Stellen Sie sicher, dass Ihr Dokumenttext in einer Sprache verfasst ist, die Amazon Textract unterstützt. Derzeit unterstützt Amazon Textract Englisch, Spanisch, Deutsch, Italienisch, Französisch und Portugiesisch.
Stellen Sie ein qualitativ hochwertiges Bild bereit, idealerweise mindestens 150 DPI.
Wenn Ihr Dokument bereits in einem der Dateiformate vorliegt, die Amazon Textract unterstützt (PDF, TIFF, JPEG und PNG), konvertieren Sie das Dokument nicht, bevor Sie es auf Amazon Textract hochladen.
Um die besten Ergebnisse beim Extrahieren von Text aus Tabellen in Dokumenten zu erzielen, stellen Sie sicher, dass:
Die Tabellen in Ihrem Dokument sind visuell von den umgebenden Elementen auf der Seite getrennt. Die Tabelle wird beispielsweise nicht über ein Bild oder ein komplexes Muster gelegt.
Der Text in der Tabelle ist aufrecht. Beispielsweise ist der Text nicht relativ zu anderem Text auf der Seite gedreht.
Beim Extrahieren von Text aus Tabellen kann es in folgenden Fällen zu inkonsistenten Ergebnissen kommen:
Zusammengeführte Tabellenzellen, die sich über mehrere Spalten erstrecken.
Tabellen mit Zellen, Zeilen oder Spalten, die sich von anderen Teilen derselben Tabelle unterscheiden.
Wir empfehlen die Verwendung der Texterkennung als Problemumgehung.
Verwenden Sie Konfidenzwerte
Sie sollten die von den Amazon Textract Textract-API-Vorgängen zurückgegebenen Konfidenzwerte und die Sensitivität ihres Anwendungsfalls berücksichtigen. Ein Konfidenzwert ist eine Zahl zwischen 0 und 100, die die Wahrscheinlichkeit angibt, dass eine bestimmte Vorhersage richtig ist. Es hilft Ihnen, fundierte Entscheidungen darüber zu treffen, wie Sie die Ergebnisse verwenden.
Setzen Sie in Anwendungen, die empfindlich auf Erkennungsfehler (Fehlalarme) reagieren, einen Mindestschwellenwert für die Vertrauensbewertung durch. In der Anwendung sollten Ergebnisse, die unter diesem Schwellenwert liegen, verworfen oder Situationen gekennzeichnet werden, in denen ein höheres Maß an menschlicher Kontrolle erforderlich ist.
Der optimale Schwellenwert hängt von der Anwendung ab. Für Archivierungszwecke, z. B. für die Dokumentation handschriftlicher Notizen, kann er sogar bei nur 50% liegen. Für Geschäftsprozesse, die finanzielle Entscheidungen beinhalten, können Schwellenwerte von 90% oder mehr erforderlich sein.
