Tři kroky, tři výsledky
Skenování vytváří digitální obraz papíru. OCR v něm rozpozná text. Extrakce údajů identifikuje například datum, název partnera nebo identifikátor případu. Klasifikace určuje typ dokumentu a jeho možné přiřazení k případu. Správně rozpoznaný text proto sám o sobě nepotvrzuje správné přiřazení dokumentu.
Co ovlivňuje rozpoznávání?
Zpracování může ztížit i ostrost obrazu, otáčení stránek, špatný kontrast a chybějící části. V případě různých jazyků, tabulek nebo rukopisu je třeba zkoumat samostatné vzorky. Vytištěný PDF a naskenovaný obrázek jsou odlišným výchozím bodem: nejprve je třeba objasnit, zda je již k dispozici extrahovatelný text.
Co znamená návrh identifikace?
Systém navrhne možnou hodnotu nebo typ dokumentu. V procesu třídění dokumentů NOPA pomáhá kontrola úředníka zajistit, aby se dokument dostal na správné místo. Nejisté identifikátory, několik možných partnerů nebo chybějící odkazy by měly být považovány za samostatný ověřovací úkol, nikoli na základě odhadů.
Příklad nejednoznačného jména partnera
Příchozí dopis obsahuje jak jméno odesílatele, tak jméno příjemce. OCR dokáže oba správně rozpoznat, zatímco partner, který má být k případu přiřazen, je stále nejasný. Správce porovná návrh s obsahem dokumentu a dostupnými kmenovými daty. V příkladu je předmětem kontroly význam, nikoli pouze rozpoznání znaků.
Jak otestovat proces?
Sestavte reprezentativní vzorek běžných dokumentů, méně běžných rozvržení a příklady známých chyb. Předem si zaznamenejte správný typ, údaje k vyhledávání a očekávaný obchodní vztah. Odděleně měřte přesnost pole, správnost klasifikace a čas strávený lidskou korekcí. Jedno agregované číslo přesnosti může maskovat chyby v kritických identifikátorech.
Co by se mělo stát s výjimkami?
Zodpovědnost za nečitelné, neúplné nebo neidentifikovatelné dokumenty. Po opravě by měl být zkontrolován vztah mezi původním dokumentem a konečnou klasifikací. Při průzkumu zaznamenáváme potřebná datová pole, kontrolní body a automatizaci, kterou lze v daném úvodu použít.
Digitalizace: co má obsahovat cenová nabídka?