CLF / ドメイン3 クラウドテクノロジーとサービス
Amazon Textract
概要
は、スキャンした文書や画像・PDFからテキストを自動抽出するサービスです。単純なOCR(光学文字認識)と異なり、フォームのキーと値の組み合わせや表の構造まで理解して抽出できます。請求書や申込書などの紙文書からのデータ入力を自動化する用途で使われ、分析した文書の分だけのです。
主要技術
① テキスト検出
文書画像やPDFから、印字されたテキストと手書き文字を検出します。
② フォーム抽出
「氏名: 山田太郎」のようなキーと値のペアをとして抽出します。申込書などのフォーム処理を自動化できます。
③ 表抽出
文書内の表をセル単位で認識し、行と列の構造を保ったまま抽出します。財務報告書などの表データの取り込みに使います。
試験対策
① 選択基準
問題文に「スキャンした文書」「OCR」「フォームや表の抽出」「紙書類のデータ化」といったキーワードがあればを選びます。
② 混同しやすいサービスとの違い
文書画像から文字・フォーム・表を抽出するのは、写真の中の物体や顔を認識するのはです。また、抽出したテキストの意味(感情や固有名詞)を分析するのはです。