文档理解是使用人工智能和机器学习从文本和纸张源（如电子邮件、PDF、扫描文档等）中提取数据和见解的实践。在过去，捕获这些非结构化或"暗数据"是一个昂贵、耗时且容易出错的过程，需要手动输入数据。今天，人工智能和机器学习在自动化这一过程方面取得了巨大的进步，使企业能够从以前未开发的数据中获得见解并利用这些数据，哪些企业可以与合作伙伴协作来实现文档理解。然而，许多开发人员都有在谷歌云平台（GCP）上构建自己的文档理解管道的愿望和技术专长，数据中心解决方案，而无需与使用单个文档AI产品的合作伙伴合作。

如果这听起来像你，这篇文章将带你一步一步地通过一个完整的文档理解管道。概述部分解释了流水线是如何工作的，海量数据，云翌通信，下面的分步指导将指导您如何运行代码。

为了自动化整个文档理解过程，人工智能研究，需要对多个机器学习模型进行培训，什么叫大数据，然后将其与处理步骤串联起来，形成端到端流水线。这可能是一个令人望而生畏的过程，因此，我们提供了一个完整的文档理解系统的示例代码，它反映了从文档中捕获结构化数据的数据输入工作流。

我们的示例端到端文档理解管道由两个组件组成：

培训数据此示例管道的培训数据来自包含美国和美国PDF的公共数据集欧洲专利标题页与相应的BigQuery表的手动输入数据从标题页。数据集由Google公共数据集项目托管。

训练管道包括以下步骤：

此管道使用先前由上述管道训练的AutoML模型。对于预测，需要执行以下步骤：

对于开发人员来说，下面是如何构建您梦想的文档理解管道。您可以在我们的GitHub存储库中找到所有代码。