亚马逊美国今日宣布，Amazon Textract 机器学习服务正式全面推出。该服务可自动提取通常需要人工审阅的文本和数据。
该工具支持用户构建文档工作流，使其能够在数小时内处理数百万页文档。用户可以创建索引、构建自动化审批工作流，并通过标记可能需要脱敏的数据，更好地遵守文档归档规则。此外，该工具还使用户能够分析更全面的数据集，从而为业务采取战略性行动。
许多用户通过手动数据录入或简单的光学字符识别（OCR）软件，从合同、费用报告、抵押贷款担保书、基金招募说明书、税务文件、医院索赔单和患者表格等文件中提取文本和数据。这一过程耗时且往往不准确，生成的输出需要经过大量后处理才能转换为其他应用程序可用的格式。
Amazon Textract 如何工作？
Amazon Textract 能够从文档中的表格和表单中识别文本和数据。亚马逊表示，Amazon Textract 超越了传统的 OCR 技术，能够识别表单中字段的內容、表格中存储的信息以及信息呈现的上下文。
例如，如果表格有几列，传统 OCR 可能会显示一堆随机的“字母组合。”而亚马逊称 Amazon Textract 具有“智能”特性，因为它像人类一样阅读信息。它能够判断数据分布在两个表格中，并按时间顺序组织这些数据。
传统光学字符识别（OCR）
Amazon Textract
如果卖家仍从供应商处收到纸质目录，他们可以使用该工具。