文档智能合同模型

文档智能合同模型使用强大的光学字符识别 (OCR) 功能来分析和提取一组选定的重要合同实体中的关键字段和行项目。 合同可以采用各种格式和质量，包括手机拍摄的图像、扫描文档和数字 PDF。 API分析文档文本； 提取关键信息，例如当事人、司法管辖区、合同 ID 和标题；并返回结构化 JSON 数据表示。 该模型当前支持英语文档格式。

自动合同处理

自动化合同处理是从文档中提取关键合同字段的过程。 过去，合同分析过程一直是手动完成的，因此非常耗时。 从合同中准确提取关键数据通常是合同自动化过程中的第一步，也是最关键的一步。

开发选项

输入要求

• 为获得最佳结果，请针对每个文档提供一张清晰的照片或高质量的扫描件。

• 支持的文件格式：

  型号	PDF	图像： JPEG/JPG、PNG、BMP、TIFF、HEIF	Microsoft Office： Word (DOCX)、Excel (XLSX)、PowerPoint (PPTX) 和 HTML
  阅读	✔	✔	✔
  布局	✔	✔	✔（2024-02-29-preview、2023-10-31-preview）
  常规文档	✔	✔
  预生成	✔	✔
  自定义提取	✔	✔
  自定义分类	✔	✔	✔ (2024-02-29-preview)

• 对于 PDF 和 TIFF，最多可处理 2000 页（对于免费层订阅，仅处理前两页）。

• 用于分析文档的文件大小对于付费 (S0) 层为 500 MB，对于免费 (F0) 层为 4 MB。

• 图像尺寸必须介于 50 x 50 像素与 10,000 x 10,000 像素之间。

• 如果 PDF 是密码锁定的文件，则必须先删除锁，然后才能提交它们。

• 对于 1024 x 768 像素的图像，要提取的文本的最小高度为 12 像素。 此尺寸对应于 150 点/英寸 (DPI) 的大约 8 号字文本。

• 对于自定义模型训练，自定义模板模型的训练数据最大页数为 500，自定义神经模型的训练数据最大页数为 50,000。

• 对于自定义提取模型训练，模板模型的训练数据总大小为 50 MB，神经模型的训练数据总大小为为 1G-MB。

• 对于自定义分类模型训练，训练数据的总大小为 1GB，最大为 10,000 页。

尝试合同文档数据提取

了解如何从合同中提取数据，包括客户信息、供应商详细信息和行项目。 需要以下资源：

• Azure 订阅 - 可以创建试用订阅

• Azure 门户中的文档智能实例。 可以使用免费定价层 (F0) 来试用该服务。 在部署资源后，选择“转到资源”以获取密钥和终结点。

文档智能工作室

1. 在文档智能工作室主页上，选择“税务文档”

2. 可以分析示例税务文档或上传自己的文件。

3. 选择“运行分析”按钮，并根据需要配置“分析选项”：

   

支持的语言和区域设置

有关受支持语言的完整列表，请参阅我们的“语言支持 - 预生成模型”页。

字段提取

下面是从 JSON 输出响应中的合同中提取的字段。

名称	Type	描述	示例输出
Title	字符串	合同标题	服务协议
ContractId	字符串	合同标题	AB12956
参与方	Array	法律当事方列表
ExecutionDate	Date	各方完全签署和同意协议的日期	On this twenty-third day of February two thousand and twenty two
ExpirationDate	Date	合同结束生效的日期	1 年
RenewalDate	日期	需要续订合同的日期	On this twenty-third day of February two thousand and twenty two
司法管辖区	数组	司法管辖区列表

提取的合同键值对和行项目位于 JSON 输出的 documentResults 部分。

后续步骤

• 尝试使用 Document Intelligence Studio 来处理你自己的表单和文档。

• 完成文档智能快速入门，并使用你选择的开发语言开始创建文档处理应用。