Document AI, जिसे Document Intelligence के नाम से भी जाना जाता है, प्रौद्योगिकी का एक क्षेत्र है जो Machine learning तकनीकों, जैसे प्राकृतिक भाषा प्रसंस्करण, का उपयोग करके कंप्यूटर मॉडल विकसित करता है जो मानव समीक्षा के समान तरीके से दस्तावेजों का विश्लेषण करने में सक्षम होते हैं। प्राकृतिक भाषा प्रसंस्करण के माध्यम से, कंप्यूटर सिस्टम दस्तावेज़ सामग्री में संबंधों और प्रासंगिक बारीकियों को समझते हैं, जिससे जानकारी और अंतर्दृष्टि का निष्कर्षण सुगम होता है। यह तकनीक दस्तावेजों के वर्गीकरण और संगठन को भी सक्षम बनाती है। अनुप्रयोगों में विभिन्न अर्ध-संरचित दस्तावेजों, जैसे फॉर्म, तालिकाएँ, रसीदें, चालान, कर फॉर्म, अनुबंध, ऋण समझौते, और वित्तीय रिपोर्टों का प्रसंस्करण और पार्सिंग शामिल है।
Document AI Artificial intelligence विधियों को दस्तावेज़-विशिष्ट डेटा संरचनाओं के साथ जोड़ता है। यह दस्तावेजों की पाठ्य सामग्री और स्थानिक लेआउट दोनों को संभालने के लिए Deep learning आर्किटेक्चर का लाभ उठाता है, जिससे सरल डेटा निष्कर्षण से लेकर जटिल दस्तावेज़ समझ और निर्माण तक के कार्य सक्षम होते हैं।
मुख्य विशेषताएँ
मशीन लर्निंग का उपयोग Document AI में मुद्रित और डिजिटल दोनों दस्तावेजों से जानकारी निकालने के लिए किया जाता है। यह तकनीक विभिन्न भाषाओं में छवियों, पाठ और वर्णों को पहचानती है, जिससे असंरचित दस्तावेजों से अंतर्दृष्टि निष्कर्षण में सहायता मिलती है। इस तकनीक का उपयोग दस्तावेज़ विश्लेषण में निर्णय लेने की गति और गुणवत्ता में सुधार कर सकता है। डेटा निष्कर्षण और सत्यापन का स्वचालन दस्तावेज़ विश्लेषण प्रक्रियाओं में बढ़ी हुई दक्षता में योगदान देता है। 2020 के दशक की शुरुआत से, Large language model का एकीकरण Document AI को निष्कर्षण से परे उत्पादक कार्यों की ओर विस्तारित कर चुका है, जिसमें फॉर्म, अनुबंध और दस्तावेज़ सारांशों का स्वचालित मसौदा तैयार करना शामिल है।
डेटा आयाम और ML आर्किटेक्चर
डेटा को आमतौर पर स्थानिक डेटा और समय-श्रृंखला डेटा में विभेदित किया जाता है। स्थानिक डेटा में छवियाँ, मानचित्र और ग्राफ़ शामिल होते हैं, जबकि समय-श्रृंखला डेटा में स्टॉक मूल्य या वॉयस रिकॉर्डिंग जैसे सिग्नल शामिल होते हैं। Document AI पाठ डेटा, जिसमें एक समय आयाम होता है, को अन्य प्रकार के डेटा, जैसे व्यावसायिक पत्र में पते की स्थिति, जो स्थानिक है, के साथ जोड़ता है।
ऐतिहासिक रूप से, स्थानिक डेटा का विश्लेषण कन्वोल्यूशनल न्यूरल नेटवर्क जैसे Neural network आर्किटेक्चर का उपयोग करके किया जाता था, और अस्थायी डेटा का विश्लेषण आवर्तक तंत्रिका नेटवर्क का उपयोग करके किया जाता था। आयाम-प्रकार-अज्ञेय Transformer (architecture) आर्किटेक्चर के आगमन के साथ, इन दो अलग-अलग प्रकार के आयामों को अधिक आसानी से जोड़ा जा सकता है। Document AI इस एकीकरण का एक उदाहरण है, क्योंकि ट्रांसफॉर्मर टोकन के अनुक्रमों को संसाधित करते हैं और साथ ही स्थितीय एन्कोडिंग को शामिल करते हैं जो लेआउट जानकारी को कैप्चर करते हैं।
उदाहरण: व्यावसायिक पत्र विश्लेषण
एक व्यावसायिक पत्र में पाठ के रूप में जानकारी होती है, साथ ही अन्य प्रकार की जानकारी, जैसे पाठ की स्थिति भी होती है। उदाहरण के लिए, एक विशिष्ट पत्र में पाठ के मुख्य भाग से पहले दो पते होते हैं। सबसे ऊपर का पता, जो कभी-कभी दाईं ओर संरेखित होता है, प्रेषक का पता होता है। इसके बाद आमतौर पर पत्र की तारीख आती है, जिसमें लिखने का स्थान शामिल होता है। इसके बाद, प्राप्तकर्ता का पता सूचीबद्ध होता है।
प्रेषक के पते और प्राप्तकर्ता के पते के बीच का अंतर केवल पृष्ठ पर पते की स्थिति द्वारा व्यक्त किया जाता है; पतों के सामने "प्रेषक:" जैसा कोई पाठ्य संकेत नहीं होता है। Document AI सिस्टम को इन क्षेत्रों को सही ढंग से वर्गीकृत और निकालने के लिए इस स्थानिक जानकारी का उपयोग करना सीखना चाहिए, जो पाठ्य और लेआउट डेटा के संयोजन के महत्व को प्रदर्शित करता है।
बेंचमार्क
Document AI सिस्टम का मूल्यांकन करने के लिए कई सार्वजनिक डेटासेट का उपयोग किया जाता है। FUNSD (फॉर्म अंडरस्टैंडिंग इन नॉइज़ी स्कैन्ड डॉक्यूमेंट्स) में फॉर्म समझ कार्यों के लिए टोकन- और ब्लॉक-स्तरीय लेबल के साथ 199 एनोटेटेड फॉर्म शामिल हैं। CORD (कंसोलिडेटेड रिसीट डेटासेट) रसीदों से प्रमुख जानकारी निष्कर्षण का समर्थन करता है। DocVQA में लेआउट-जागरूक दृश्य प्रश्न उत्तर के लिए 12,000 दस्तावेज़ छवियों पर लगभग 50,000 प्रश्न शामिल हैं। ये बेंचमार्क शोधकर्ताओं को प्रमुख जानकारी निष्कर्षण, फॉर्म समझ, और दस्तावेज़-आधारित प्रश्न उत्तर जैसे कार्यों पर विभिन्न मॉडलों के प्रदर्शन की तुलना करने में मदद करते हैं।
सामान्य उपयोग
Document AI सिस्टम व्यावसायिक और वित्तीय कार्यप्रवाहों में दस्तावेज़ प्रसंस्करण और जानकारी निष्कर्षण को स्वचालित करते हैं, जिसमें चालान और रसीद प्रसंस्करण, डेटा प्रविष्टि स्वचालन, विसंगति का पता लगाना, बंधक प्रसंस्करण, ऋण पोर्टफोलियो निगरानी, क्रेडिट जोखिम प्रबंधन, और नकली मुद्रा और धोखाधड़ी वाले चेक जैसी धोखाधड़ी का पता लगाना शामिल है। वे नियामक अनुपालन और अनुबंध विश्लेषण में भी लागू होते हैं, जिसमें कानूनी और नियामक दस्तावेजों में परिवर्तन का आकलन शामिल है। रियल एस्टेट में, Document AI मानकीकृत प्रसंस्करण और विश्लेषण के लिए दस्तावेज़ वर्गीकरण और संरचित जानकारी निष्कर्षण का समर्थन करता है। Generative AI को अपनाने के साथ, Document AI सिस्टम प्राकृतिक भाषा संकेतों से अनुबंध या व्यावसायिक फॉर्म जैसे संरचित दस्तावेजों को उत्पन्न और पहले से भर सकते हैं।