AWS更新自然語言處理服務Amazon Comprehend,開始支援Word和PDF文件,讓用戶可以從這些類型的檔案擷取資料。Amazon Comprehend能夠分析不同語言的文字,並且辨識這些文字的內容,諸如人名、地點、品牌和產品等,同時還能理解文本中的關鍵句子和情緒,或對大量文件的內容,依照主題加以分類。

無論是開設銀行帳戶、申請保險或是房屋借款等程序,皆大量使用紙本文件,而這些文件動輒超過百頁,對於企業來說,手動處理這些文件是一件繁瑣的工作,不只需要人工,而且速度緩慢容易出錯,而藉由使用Amazon Comprehend,可以大幅加速文件的創建和管理,並且降低出錯機率。

Amazon Comprehend新的解決方案,可處理PDF、Word和原始文字等檔案格式,或是筆記和列表等布局,並進行內容擷取和分析,AWS提到,這次推出的解決方案,結合自然語言處理和光學字元辨識技術,能夠減少企業文件的預處理和後處理工作量,用戶不再需要將檔案轉換成原始文本,就能夠使用自定義命名實體辨識(NER)功能。

過去Amazon Comprehend只能處理純文字檔案,這需要用戶先將文件整理成機器可讀的文本,但用戶現在能夠利用Amazon Comprehend以相同的API,直接從PDF和Word中的文字或是列表等不同文件布局,擷取特定詞語。

新的Amazon Comprehend自定義實體辨識模型,綜合分析結構上下文和自然語言上下文,從文件中的任何位置,擷取自定義詞語實體。AWS提到,用戶對於每一種實體類型,只要提供250個文件和100個註解,即可訓練模型並且開始使用該功能,而為了要掃描PDF並擷取空間位置,Amazon Comprehend會呼叫Amazon Textract服務,來執行必要的處理。

這項新功能有助於企業處理保險、抵押、金融等業務中的文件處理工作流程,通常這些文件布局複雜,用戶也不需要頁面上的每一個資料點,因此擷取特定資訊存在困難,而Amazon Comprehend這項新功能,可以使用機器學習,使用單個模型和API呼叫,快速擷取自定義的詞語,像是處理汽車或健康保險文件中的索賠金額,甚至是在抵押貸款中,擷取申請人姓名、共同簽署人或是其他財務文件資訊等。

熱門新聞


Advertisement