Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Praktik terbaik
Amazon Texttract menggunakan pembelajaran mesin untuk membaca dokumen seperti yang dilakukan seseorang. Ini mengekstrak teks, tabel, dan formulir dari dokumen. Gunakan praktik terbaik berikut untuk mendapatkan hasil terbaik dari dokumen Anda.
Berikan Dokumen Input Optimal
Masukan yang cocok untuk operasi Amazon Textract adalah dokumen tunggal atau multihalaman. Beberapa contoh adalah dokumen hukum, formulir, ID, atau surat. Formulir adalah dokumen dengan pertanyaan atau petunjuk bagi pengguna untuk memberikan jawaban. Beberapa contoh adalah formulir pendaftaran pasien, formulir pajak, atau formulir klaim asuransi.
Dokumen dapat dalam format JPEG, PNG, PDF, atau TIFF. Dengan file format PDF dan TIFF, Anda dapat memproses dokumen multipage. Untuk informasi tentang cara Amazon Texttract merepresentasikan dokumen sebagai Block objek, lihat. Deteksi Teks dan Objek Respon Analisis Dokumen
Berikut ini adalah contoh dokumen masukan yang dapat diterima.
Untuk informasi tentang batas dokumen, lihatKuota di Amazon Texttract.
Untuk operasi sinkron Amazon Textract, Anda dapat menggunakan dokumen masukan yang disimpan dalam bucket Amazon S3, atau Anda dapat meneruskan byte gambar yang disandikan base64. Untuk informasi selengkapnya, lihat Memanggil Operasi Sinkron Amazon Textract. Untuk operasi asinkron, Anda perlu menyediakan dokumen masukan di bucket Amazon S3. Untuk informasi selengkapnya, lihat Memanggil Operasi Asinkron Amazon Textract.
Berikut ini adalah daftar beberapa cara agar Anda dapat mengoptimalkan dokumen input Anda untuk hasil yang lebih baik.
Pastikan teks dokumen Anda dalam bahasa yang didukung Amazon Textract. Saat ini, Amazon Textract mendukung bahasa Inggris, Spanyol, Jerman, Italia, Prancis, dan Portugis.
Berikan gambar berkualitas tinggi, idealnya setidaknya 150 DPI.
Jika dokumen Anda sudah dalam salah satu format file yang didukung Amazon Textract (PDF, TIFF, JPEG, dan PNG), jangan mengonversi atau menurunkan sampel dokumen sebelum mengunggahnya ke Amazon Textract.
Untuk hasil terbaik saat mengekstrak teks dari tabel dalam dokumen, pastikan bahwa:
Tabel dalam dokumen Anda secara visual dipisahkan dari elemen sekitarnya pada halaman. Misalnya, tabel tidak dilapis ke gambar atau pola kompleks.
Teks di dalam tabel tegak. Misalnya, teks tidak diputar relatif terhadap teks lain di halaman.
Saat mengekstrak teks dari tabel, Anda mungkin melihat hasil yang tidak konsisten saat:
Sel tabel gabungan yang menjangkau beberapa kolom.
Tabel dengan sel, baris, atau kolom yang berbeda dari bagian lain dari tabel yang sama.
Sebaiknya gunakan deteksi teks sebagai solusinya.
Gunakan Skor Keyakinan
Anda harus mempertimbangkan skor kepercayaan yang dikembalikan oleh operasi Amazon Textract API dan sensitivitas kasus penggunaannya. Skor kepercayaan adalah angka antara 0 dan 100 yang menunjukkan probabilitas bahwa prediksi yang diberikan benar. Ini membantu Anda membuat keputusan berdasarkan informasi tentang bagaimana Anda menggunakan hasilnya.
Dalam aplikasi yang sensitif terhadap kesalahan deteksi (positif palsu), terapkan ambang batas skor kepercayaan minimum. Aplikasi harus membuang hasil di bawah ambang batas itu atau menandai situasi yang membutuhkan tingkat pengawasan manusia yang lebih tinggi.
Ambang batas optimal tergantung pada aplikasi. Untuk tujuan arsip, seperti mendokumentasikan catatan tulisan tangan, mungkin serendah 50%. Proses bisnis yang melibatkan keputusan keuangan mungkin memerlukan ambang batas 90% atau lebih tinggi.
