Słownik ekstrakcji dokumentów

Definicje

Weryfikowalna ekstrakcja dokumentów

Ekstrakcja dokumentów, w której każdą zwróconą wartość można prześledzić do jej źródła. W przypadku skanów i zdjęć pole zawiera tekst, z którego zostało odczytane, a jeśli OCR je zlokalizował — także stronę i pozycję; w przypadku ustrukturyzowanych e-faktur wartość jest odczytywana z pliku źródłowego. Chodzi o to, by recenzent lub kolejny system mógł zweryfikować wartość zamiast ślepo jej ufać.

Dowód źródłowy

Dowód dołączony do pola wyodrębnionego z zeskanowanego lub sfotografowanego dokumentu: dopasowany tekst oraz, jeśli OCR zdołał zlokalizować wartość, jej strona i prostokąt ograniczający. Dzięki temu można potwierdzić, skąd pochodzi liczba, bez ponownego odczytywania całej strony. Ustrukturyzowane e-faktury są odczytywane z danych źródłowych i nie mają prostokąta ograniczającego.

Status dopasowania

Flaga przypisana do pola, która wskazuje, w jaki sposób wartość została powiązana ze źródłem. Możliwe wartości to exact, fuzzy, llm_located, not_found, not_applicable i user_entered. Wartość, której OCR nie potrafi powiązać, jest zwracana jako not_found, zamiast zostać po cichu zaakceptowana.

Prostokąt ograniczający

Prostokąt na obrazie strony, w którym OCR zlokalizował wartość. DocSolved rysuje go na oznaczonym PDF-ie, z kolorami odpowiadającymi skali pewności. Prostokąt istnieje tylko wtedy, gdy dowody OCR zlokalizowały wartość; pola e-faktur celowo go nie mają.

Ustrukturyzowana e-faktura

Faktura dostarczana jako dane odczytywalne maszynowo, a nie jako skan: Factur-X, ZUGFeRD i XRechnung (CII), UBL 2.1 oraz KSeF FA(3). DocSolved odczytuje wartości bezpośrednio z pliku, bez OCR i bez zgadywania przez AI, więc nie ma czego błędnie odczytać.

KSeF FA(3)

Format e-faktury XML polskiego Krajowego Systemu e-Faktur (KSeF). DocSolved samodzielnie odczytuje plik FA(3) i weryfikuje go w sposób deterministyczny; nie wymaga to połączenia z API KSeF ani żadnych poświadczeń.

OCR (optyczne rozpoznawanie znaków)

Zamiana obrazu tekstu (skanu lub zdjęcia) na znaki odczytywalne maszynowo oraz ich pozycje na stronie. W DocSolved OCR generuje tokeny i prostokąty, które później wiążą każde wyodrębnione pole z jego źródłem.

Wskaźnik pewności

Wynik przypisany do pola dla wartości wyodrębnionych przez AI ze skanu lub zdjęcia; wartości o niskiej pewności są wyróżniane do przeglądu. Pola ustrukturyzowanych e-faktur mają zamiast tego dedykowany status zaufania, ponieważ nic w nich nie zostało odgadnięte.

Wykrywanie typu dokumentu

Automatyczne rozpoznawanie rodzaju dokumentu — faktury, paragonu, zamówienia zakupu, dokumentu dostawy, CV i innych — wraz ze wskaźnikiem pewności. Wykryty typ decyduje o tym, które pola wyodrębnia DocSolved.

Adnotowany PDF

Możliwa do pobrania kopia dokumentu, na której każda wyodrębniona wartość jest oznaczona ramką na stronie i pokolorowana według poziomu pewności, dzięki czemu całą ekstrakcję można sprawdzić na pierwszy rzut oka.