Glossario dell'estrazione documenti

Definizioni

Estrazione di documenti verificabile

Estrazione di documenti in cui ogni valore restituito può essere ricondotto alla propria origine. Per scansioni e foto, un campo riporta il testo da cui è stato letto e, quando l'OCR lo ha individuato, la pagina e la posizione; per le fatture elettroniche strutturate, il valore viene estratto dal file di origine. Il punto è che un revisore o un sistema a valle possa verificare un valore anziché fidarsene ciecamente.

Prova di origine

La prova associata a un campo estratto da un documento scansionato o fotografato: il testo corrispondente e, quando l'OCR è riuscito a individuare il valore, la relativa pagina e il rettangolo di delimitazione. Permette di confermare da dove proviene un numero senza rileggere l'intera pagina. Le fatture elettroniche strutturate vengono estratte dai loro dati e non hanno un rettangolo di delimitazione.

Stato di corrispondenza

Un flag per campo che indica come un valore è stato ancorato alla fonte. I valori possibili sono exact, fuzzy, llm_located, not_found, not_applicable e user_entered. Un valore che l'OCR non riesce ad ancorare viene restituito come not_found anziché essere accettato silenziosamente.

Rettangolo di delimitazione

Il rettangolo sull'immagine della pagina in cui l'OCR ha individuato un valore. DocSolved lo disegna sul PDF annotato, con un codice colore basato sulla scala di affidabilità. Un rettangolo esiste solo quando le prove OCR hanno individuato il valore; i campi delle fatture elettroniche non ne hanno per progettazione.

Fattura elettronica strutturata

Una fattura fornita come dati leggibili da una macchina anziché come scansione: Factur-X, ZUGFeRD e XRechnung (CII), UBL 2.1 e KSeF FA(3). DocSolved estrae i valori direttamente dal file, senza OCR e senza supposizioni dell'IA, quindi non c'è nulla da interpretare male.

KSeF FA(3)

Il formato di fattura elettronica XML del Sistema Nazionale di e-Fattura polacco (KSeF). DocSolved legge autonomamente il file FA(3) e lo convalida in modo deterministico; non è coinvolta alcuna connessione all'API KSeF né credenziali.

OCR (riconoscimento ottico dei caratteri)

La trasformazione di un'immagine di testo (scansione o foto) in caratteri leggibili da una macchina e nelle relative posizioni sulla pagina. In DocSolved, l'OCR genera i token e i rettangoli che in seguito ancorano ogni campo estratto alla propria fonte.

Punteggio di affidabilità

Un punteggio per campo per i valori che l'IA ha estratto da una scansione o foto; i valori con bassa affidabilità vengono evidenziati per la revisione. I campi delle fatture elettroniche strutturate hanno invece uno stato di attendibilità dedicato, perché nulla in essi è stato ipotizzato.

Rilevamento del tipo di documento

L'identificazione automatica del tipo di documento — fattura, ricevuta, ordine d'acquisto, bolla di consegna, CV e altro — con un punteggio di affidabilità. Il tipo rilevato determina quali campi estrae DocSolved.

PDF annotato

Una copia scaricabile del documento in cui ogni valore estratto è racchiuso in un riquadro sulla pagina e colorato in base all'affidabilità, così da poter verificare l'intera estrazione a colpo d'occhio.