文档识别与数据提取
文档的处理过程
我们根据文件内容判断文件类型,因为扩展名常常具有误导性。文本型 PDF、Word 和 Excel 文档直接解析;扫描件和照片则送交识别,所用识别引擎基于您的文档实测选定。单个文件出错仅停留在该文件本身,同一批次的其余文档会继续处理。
- 解析 PDF、办公文件、扫描件和照片
- 根据实测结果选择识别引擎
- 提取字段并附带原文引文
- 校验金额、日期和必填字段
- 供员工使用的核对界面
- 导出至 JSON、XML 或您的记账系统
- 基于基准数据集逐字段实测准确率
模型将每份文档转化为带有类型化字段的记录,并附上各字段值所依据的原文引文。随后由代码汇总结果并按规则校验:金额是否吻合、日期是否在允许范围内、必填字段是否已填妥。处理结果会以 JSON、符合您所定模式的 XML 或记账软件文件形式发送至您的系统。
在 Declaro 中,这套流水线会汇总生成报关单草稿以及按 XSD 模式校验的 XML。每个字段都指向各自的来源,而签字仍由报关员完成:系统准备草稿,人工负责核对并签署。
在您的文档上启动识别
我们基于您的文档逐个字段计算准确率,您在系统集成前即可看到这些数据。
基准数据集
收集真实文档并手动填写正确的字段值,以此为标准测试准确率。
流水线
针对您的文档类型,配置解析、识别、提取及校验规则。
实测
逐个字段计算准确率,并展示系统在何处出错及原因。
集成
打通向您的系统的数据导出功能,并接入供员工使用的核对界面。
扩充
将新文档类型和发现的错误加入基准数据集,并在每次调整后重新计算准确率。
该服务的相关项目
Declaro:面向报关员的软件
Declaro 根据交付文档生成附带来源链接的报关单草稿:报关员可以看到每个值取自哪份文档,核对草稿并自行签署报关单。Declaro 正在开发中。这是另一家公司的产品,NDDev 的 CEO Danil Silantyev 在该公司担任技术总监。
关于文档识别的问题
系统能处理质量较差的扫描件吗?
识别效果取决于扫描件本身,因此我们会在项目启动前用您的文档进行测试,并展示每个字段的识别结果。对于系统不确定的字段,会转交员工核对。
这与普通 OCR 有何不同?
OCR 仅返回文本。我们则从文本中提取具体字段,将每个字段与源文件关联,按规则进行校验,并按所需格式导出。员工收到的是可供核对的现成记录。
你们已经处理过哪些文档?
Declaro 可根据文档生成报关单草稿以及供海关系统使用的 XML。此外,我们还承接过海关领域的政府客户项目,其具体细节受 NDA 保密约束。
可以在我们的服务器上处理文档吗?
可以。我们将识别模块和语言模型部署在您的硬件设备上,文档留在您内部。如果允许使用外部服务商,我们会提前约定可向其发送哪些字段。
费用是如何构成的?
本页的价格板块展示了最低金额。最终价格取决于文档类型和字段的数量、扫描件质量、校验规则以及集成情况。我们会在技术规格书中明确金额与工期。
$6,700 起
- 免费保修
- 60 天
所列为起步价格,仅供参考,不构成公开要约。最终价格在技术规格书中确定。
Documents, video and forecasting
相关内容
请发送几份典型文档
提供脱敏样本和所需字段清单,有助于我们评估准确率并给出报价。
我们将在 24 小时内回复