FinBankは、S3バケットで複数ページ（各3～10ページ）のPDF形式の請求書を受け取っており、構造化されたキー/値フィールド（InvoiceNumber、InvoiceDate、InvoiceTotal）を抽出し、その結果をDynamoDBに永続化する必要があります。いくつかのチームがDetectDocumentTextを試しましたが、キー/値のペアリングが信頼できません。このAWS環境で、構造化されたフォームフィールドを大規模に確実に抽出するために最も適切なTextractのアプローチと設定は何ですか？

このシナリオでは、複数ページのPDFから構造化されたキー/値フィールドを大規模に抽出する必要があります。StartDocumentAnalysisとFeatureTypesを['FORMS']に設定することで、Textractはドキュメント内のフォームフィールドを正確に識別し、キー/値のペアとして抽出できます。非同期処理は大規模なドキュメント処理に適しており、結果はKEYVALUESETブロックとして返され、DynamoDBに永続化できます。Textractサービスロールの適切な権限は、S3からの読み取りと結果の書き込みに不可欠です。 同期AnalyzeDocumentは複数ページを自動的に処理しません。Comprehendはエンティティ抽出に優れていますが、構造化されたフォームフィールドのキー/値ペア抽出には適していません。AnalyzeExpenseは請求書に特化していますが、この問題では汎用的なフォーム抽出が求められており、Textractのフォーム機能がより柔軟で正確です。