识别分数不是事实证明
文档识别系统可能返回文字、位置和置信度等信息。Google Document AI的响应说明展示了这些不同层次的数据。置信度适合帮助安排复核顺序,但它不是对原文事实的认证;分数高的字符仍可能识别错,分数低也不意味着整页都无法使用。
先检查版面关系是否保留
一张票据中的金额属于哪一行,往往和文字本身同样重要。确认表头、行列、复选框和脚注的位置没有在提取中丢失。多栏材料需要检查阅读顺序,盖章或手写内容可能覆盖正文。发现布局错误时,单纯修正几个字不能解决整体归属问题,应回到页面图像核对。
按错误后果安排人工复核
姓名、账号、金额、日期和编号中的一个字符都可能改变业务结果,因此应优先检查。普通说明段落可以采用抽样,但抽样方法和范围要记录。对批量资料,可以先找空值、异常长度、不可用日期和不符合规则的编号,再集中处理这些高疑点项目。
例如表格中的“1”和“I”在编号里都可能出现,仅凭字体形状很难判断。先检查该编号的合法格式,再回看原图或其他对应记录。规则只能缩小疑点;如果两个字符都合法,就需要更清晰的原件或人工确认。
用业务规则辅助而不是自动猜字
例如发票明细总和与合计不一致,可以提示需要回看原图,但不能直接把某个数字改到恰好相等。规则用于发现冲突,原始材料才用于确定更正。看不清时保留待确认状态,向资料提供者索取清晰版本,不让语言模型凭常见格式补造信息。
保存原图与更正记录
交付时保留原始文件标识、页面位置、提取值、人工更正值和复核状态。这样下游发现问题时能追到具体来源,也能评估哪些扫描条件经常失败。重新运行识别后,不应无声覆盖已经人工确认的修正;应比较差异,再决定是否采用新结果。
资料来源
以下来源用于核对概念和操作条件。产品界面与政策可能变化,请结合当前官方说明使用。