FinBank, bir S3 bucket'ında çok sayfalı PDF faturaları (her biri 3-10 sayfa) alıyor ve yapılandırılmış anahtar/değer alanlarını (InvoiceNumber, InvoiceDate, InvoiceTotal) çıkarması ve sonuçları DynamoDB'ye kaydetmesi gerekiyor. Birkaç ekip DetectDocumentText'i denedi ancak anahtar/değer eşleştirmesi güvenilir değil. Bu AWS ortamında yapılandırılmış form alanlarını ölçekli olarak güvenilir bir şekilde çıkarmak için en uygun Textract yaklaşımı ve yapılandırması nedir?

Doğru cevap, çok sayfalı PDF'ler için asenkron StartDocumentAnalysis'i FeatureTypes ['FORMS'] ile kullanmayı önerir. Textract'ın bu modu, formlardaki anahtar/değer çiftlerini güvenilir bir şekilde çıkarmak için tasarlanmıştır. Çıkarılan KEYVALUESET blokları ve ilişkileri daha sonra DynamoDB'ye kaydedilecek yapılandırılmış alanları oluşturmak için ayrıştırılabilir. Textract hizmet rolünün S3'e erişiminin olması, giriş PDF'lerini okumak ve gerekirse çıktıları yazmak için kritik öneme sahiptir. Diğer seçenekler şunlar için uygun değildir: Eşzamanlı AnalyzeDocument, çok sayfalı PDF'ler için uygun değildir ve 'TABLES' özelliği anahtar/değer çıkarımı için doğru değildir. Amazon Comprehend, genel varlık çıkarımı için tasarlanmıştır, ancak faturalardaki yapılandırılmış anahtar/değer çiftlerini Textract kadar güvenilir bir şekilde çıkarmaz. AnalyzeExpense, faturalar için özel bir API olsa da, yalnızca belirli fatura alanlarını çıkarır ve genel anahtar/değer çıkarımı için StartDocumentAnalysis'in esnekliğini sunmaz.