テキストやデータを自動的に抽出する「Amazon Textract」について

2022 9/02

9月 2, 2022 9月 2, 2022

Amazon Textractとは、スキャンした文書からテキストやデータを自動的に抽出するフルホスト型の機械学習サービスです。手作業やカスタムコードを使わずに、あらゆる種類の文書をその場で読み込んで処理することができ、テキストやフォームなどのデータを高い精度で抽出することができます。

説明

現在、多くの企業ではPDFなどのドキュメンタリーや表などスキャンした文書からデータを抽出していますが、手入力が必要だったり、簡易OCRソフトを使用しているにもかかわらず、帳票を変更するたびに手動で設定を更新していたりしていました。

しかし、これらの手作業を排除するために、Textractは機械学習を利用しています。手作業やカスタムコードを使わずに、あらゆる種類の文書をその場で読み込んで処理することができ、テキストやフォームなどのデータを高い精度で抽出することができます。

抽出されたデータはすべて、バウンディングボックスの座標とともに返されます。これにより、単語や数字がソース文書からどこに抽出されているかを監査できるようになります。

また、文書検索システムが検索結果として元の文書のスキャン画像を返すことも有用です。

例えば、詳細な患者の病歴情報を求めて医療記録を検索する際に、簡単に元の文書を記録したり、将来の検索のために簡単にメモを取っておくことができます。フラクション・リターン。

これにより、抽出した結果をどのように使用するかについて、十分な情報に基づいた決定を下すことができます。

例えば、税務文書から情報を抽出する場合で、高い精度が必要な場合は、抽出された情報に95%未満の自信があると手動検証のためにフラグを立てるビジネスロジックを作成することができます。

ただし、履歴書の処理やアーカイブされた文書のデジタル化など、負のエラー結果がほとんどない、または全くない他のタイプの文書については、より低いしきい値を選択することもできます。

Detect Document Text API(OCR)

表を含むページに対するAnalyze Document API

フォームを含むページに対するAnalyze Document API

表とフォームを含むページに対するAnalyze Document API

Amazon Textractでは、使用した分のみ料金が発生します。最低料金や前払いの義務はありません。Analyze Document APIを使用する場合、OCRは Detect Document Text APIを使用して無料で実施されます。

Q.Amazon Textractで検出して抽出できるのは、どのタイプのテキストですか?

Amazon Textractは、標準的な英語のアルファベットと ASCII 記号からラテン文字を検出できます。

Q.Amazon Textractが提供する信頼性スコアはどのように使用しますか?

信頼スコアは0から100までの数字で、特定の予測がどの程度正確であるかを示します。Amazon Textractでは、抽出されたすべてのテキストと構造化されたデータが、境界ボックスの座標、つまり識別されたデータの各要素を完全に囲む四角いフレームと共に返されます。

これにより、抽出されたエンティティごとのスコアを識別できるため、抽出結果をどのように使用するかについて十分な情報に基づく判断が下せます。

この記事が気に入ったら
フォローしてね！

Follow @zeroone_nocode

よかったらシェアしてね！