Извлечение структурированных данных из неструктурированных документов, например, invoices, contracts, tax forms и enrollment applications, часто используют в автоматизации. Но добиться высокой точности здесь непросто. Проблемы начинаются, когда документы отходят от ожидаемых шаблонов, поставщики используют разные форматы или сканы оказываются низкого качества. В Amazon Bedrock Data Automation (BDA) такие документы можно классифицировать, извлекать из них данные, а затем нормализовать и валидировать через единый API с помощью настраиваемых blueprints.
Blueprints определяют, какие поля нужно извлекать из документов. Для каждого поля добавляются инструкции на естественном языке. На практике эти инструкции редко работают идеально с первого раза. Специалисты перебирают формулировки, проверяют результаты извлечения, сравнивают их с ожидаемыми значениями и снова корректируют текст. Если компания обрабатывает документы от сотен поставщиков, на настройку одного типа документов могут уйти недели.
Функция blueprint instruction optimization в BDA берет эту работу на себя. Пользователь загружает от трех до десяти примерных документов вместе с ожидаемыми значениями. Система сравнивает результаты извлечения с ground truth, находит расхождения и уточняет инструкции внутри blueprint. Вся оптимизация занимает минуты и проходит без отдельного fine-tuning модели. Запустить процесс можно через Amazon Bedrock console или API, при этом доступны рекомендации по выбору примеров и подготовке ground truth.
Ключевые факты
Amazon Bedrock Data Automation позволяет классифицировать, извлекать, нормализовать и валидировать данные из документов через единый API.
Функция blueprint instruction optimization использует от трех до десяти примерных документов с ожидаемыми значениями, чтобы автоматически уточнять инструкции извлечения.
Оптимизация может повысить точность извлечения за минуты, а не недели, и не требует отдельной донастройки модели.
В схеме blueprint каждое поле имеет type, inferenceType и instruction; оптимизация изменяет только значения instruction, не затрагивая type и inferenceType.
