SAA / ドメイン3 高パフォーマンスなアーキテクチャの設計
Amazon Textract
概要
は、スキャン文書や画像から印刷文字、手書き文字、フォーム、表などを自動抽出するサービスです。
主要技術
① テキスト検出
文書内のページ、行、単語と位置情報を検出します。単純なOCRより文書構造を含めて扱えます。
② フォームと表
キーと値の関係や、表のセル・行・列を抽出します。申込書や請求書の構造化に利用できます。
③ 同期と非同期
小規模な単一文書は同期、大きな複数ページ文書はと非同期処理を使用します。
試験対策
① 選択基準
画像やPDFの帳票から文字だけでなく表やフォーム構造も抽出する場合にを選びます。
② Comprehendとの連携
で文書をテキスト化し、でエンティティや感情などの意味を分析できます。