使用 AI 进行文本提取和文本识别
Text extraction and text recognition with AI
从文本开始，我希望能够识别特定信息。
示例：
输入文本：“发票号为 18”、“发票号：75”、“发票号：84”
确定的发票编号：“18”、“75”、“84”
具体问题是我有很多文档包含大量此类信息，我想使用一种算法来识别和提取各种类型的字段。
我以为理论上我会使用某种框架/算法，输入我所有的文档并通过批准或不批准结果来训练算法，但我不知道从哪里开始。
我研究了非结构化文本的深度学习、机器学习、斯坦福 NER、作为一般概念的命名实体识别等。
对于从何处着手实施此类解决方案的一些指导，我将不胜感激。
谢谢
具体取决于您的用例，我推荐的主要架构是 AVEQA。
NER 基本上是为了在文本中没有明确实体类型的情况下识别某个实体（例如，国家/地区）的重复（即“在南非去年夏天比往年更冷”）。这不是一个坏方法，但由于您在文本中有明确的实体，您可以利用它。
AVEQA 基本上就是为这个用例而设计的。您问了一个特定的问题，可能是：发票号是多少？然后模型从输入文本中提取答案。它是从文本中训练出来的，答案是文本本身，你只需给算法答案的开始和结束索引位置。
从句子中提取发票编号的整个示例：
- 上下文（输入文本）：“发票号为 18。”
- 问题：“发票编号是多少？”
- 答案起始索引：22
- 答案结束索引：23
它还有一个名为 no-answer 的模块，以避免输入文本中的误报，例如在文本中没有发票编号的地方询问发票编号。
从文本开始，我希望能够识别特定信息。
示例：
输入文本：“发票号为 18”、“发票号：75”、“发票号：84”
确定的发票编号：“18”、“75”、“84”
具体问题是我有很多文档包含大量此类信息，我想使用一种算法来识别和提取各种类型的字段。
我以为理论上我会使用某种框架/算法，输入我所有的文档并通过批准或不批准结果来训练算法，但我不知道从哪里开始。
我研究了非结构化文本的深度学习、机器学习、斯坦福 NER、作为一般概念的命名实体识别等。
对于从何处着手实施此类解决方案的一些指导，我将不胜感激。
谢谢
具体取决于您的用例，我推荐的主要架构是 AVEQA。
NER 基本上是为了在文本中没有明确实体类型的情况下识别某个实体（例如，国家/地区）的重复（即“在南非去年夏天比往年更冷”）。这不是一个坏方法，但由于您在文本中有明确的实体，您可以利用它。
AVEQA 基本上就是为这个用例而设计的。您问了一个特定的问题，可能是：发票号是多少？然后模型从输入文本中提取答案。它是从文本中训练出来的，答案是文本本身，你只需给算法答案的开始和结束索引位置。
从句子中提取发票编号的整个示例：
- 上下文（输入文本）：“发票号为 18。”
- 问题：“发票编号是多少？”
- 答案起始索引：22
- 答案结束索引：23
它还有一个名为 no-answer 的模块，以避免输入文本中的误报，例如在文本中没有发票编号的地方询问发票编号。