内容理解分类器

可以使用 Azure AI 内容理解分类器来检测和标识在应用程序中处理的文档。 内容理解分类器可以整体执行输入文件的分类。 它还可以识别输入文件中的多个文档或单个文档的多个实例。

业务用例

分类器可以处理各种格式和模板的复杂文档：

• 发票：根据需要对来自多个供应商的发票进行分类，以使用不同的内容理解分析器处理每个类别。
• 税务文档：将多个税务文档分类为不同类型的税单，例如 1040 和 1099。
• 合同：对长期非结构化合同进行分类，以简化运营，以了解不同类型的协议及其特定的法律影响。

内容理解分类器功能

内容理解分类器可以分析单个或多文件文档，以确定输入文件是否可以分类为定义的类别。 支持以下方案：

• 包含一个文档类型的单个文件，例如贷款申请表单。
• 包含多个文档类型的单个文件。 例如，包含贷款申请表单、付款单和银行帐单的贷款申请包。
• 包含同一文档的多个实例的单个文件。 例如，已扫描发票的集合。
• 默认情况下，在没有合适的已定义类别的场合下使用 $OTHER 类。

使用内容理解分类器

内容理解分类器不需要任何训练数据集。 最多可以定义 50 个类别名称和说明，并创建分类器。 默认情况下，整个文件被视为单个内容对象，这意味着文件或对象与单个类别相关联。

在文件中有多个文档时，分类器可以识别具有拆分功能的输入文件中包含的不同文档类型。 分类器响应包含文件中包含的每个已标识文档类型的页面范围。 此响应可以包含同一文档类型的多个实例。

调用分类器时，analyze操作包括一个splitMode属性，该属性提供对拆分行为的精细控制。 还可以指定页码以仅分析输入文档的某些页面：

• 若要将整个输入文件视为单个文档进行分类，请设置为 splitModenone。 执行此作时，该服务将返回整个输入文件的一个类别。
• 若要对输入文件的每个页面进行分类，请设置为 splitModeperPage. 服务会尝试将每一页作为单个文档来进行分类。
• 若要标识文档和关联的页面范围，请设置为 splitModeauto.

可选分析

对于完整的端到端流，可以将分类器类别与现有分析器链接。 对于分类为具有链接分析器类别的每个内容对象，该服务将使用相应的分析器自动调用对内容对象的分析。

例如，可以使用此链接创建分类器，该分类器仅标识和分析包含文档中多种类型的表单的 PDF 中的发票。 将analyzerId设置为现有分析器，以便对分类文档或页面进行路由并执行字段提取操作。

分类器限制

有关支持的输入文档格式和分类器限制的信息，请参阅 服务配额和限制。

最佳做法

若要改进分类和拆分质量，请使用良好的类别名称和说明，以便模型可以了解具有某些上下文的类别。 有关类别名称和说明的详细信息，请参阅 最佳做法。

主要优势

• 准确性和可靠性：确保精确的文档分类以减少错误并提高效率。
• 可伸缩性：横向扩展文档处理以满足业务需求。
• 可自定义：调整文档分类器以适应特定工作流。

支持的语言和区域

有关支持的语言和区域的列表，请参阅 语言和区域支持。

数据隐私和安全性

使用内容理解功能的开发人员应查看Microsoft关于客户数据的策略。 有关详细信息，请参阅 数据、保护和隐私。

相关内容

• 尝试使用 Azure AI Foundry 中的内容理解来处理文档内容。
• 了解如何分析文档内容 分析器模板。