1. ভূমিকা
এই কোডল্যাবে, আপনি শিখবেন কিভাবে ডকুমেন্ট এআই স্পেশালাইজড প্রসেসর ব্যবহার করে পাইথনের সাহায্যে বিশেষায়িত ডকুমেন্টগুলিকে শ্রেণীবদ্ধ এবং পার্স করতে হয়। শ্রেণীবদ্ধকরণ এবং বিভাজনের জন্য, আমরা ইনভয়েস, রসিদ এবং ইউটিলিটি স্টেটমেন্ট সম্বলিত একটি উদাহরণ পিডিএফ ফাইল ব্যবহার করব। তারপর, পার্সিং এবং সত্তা নিষ্কাশনের জন্য, আমরা উদাহরণ হিসেবে একটি ইনভয়েস ব্যবহার করব।
এই পদ্ধতি এবং উদাহরণ কোডটি ডকুমেন্ট এআই দ্বারা সমর্থিত যেকোনো বিশেষায়িত ডকুমেন্টের সাথে কাজ করবে।
পূর্বশর্ত
এই কোডল্যাবটি অন্যান্য ডকুমেন্ট এআই কোডল্যাবগুলিতে উপস্থাপিত বিষয়বস্তুর উপর ভিত্তি করে তৈরি।
এগিয়ে যাওয়ার আগে নিম্নলিখিত কোডল্যাবগুলি সম্পূর্ণ করার পরামর্শ দেওয়া হচ্ছে:
- ডকুমেন্ট এআই এবং পাইথনের সাথে অপটিক্যাল ক্যারেক্টার রিকগনিশন (ওসিআর)
- ডকুমেন্ট এআই (পাইথন) দিয়ে ফর্ম পার্সিং
তুমি কি শিখবে
- বিশেষায়িত নথির জন্য বিভক্ত বিন্দুগুলি কীভাবে শ্রেণীবদ্ধ এবং সনাক্ত করা যায়।
- বিশেষায়িত প্রসেসর ব্যবহার করে স্কিম্যাটাইজড এন্টিটি কীভাবে বের করা যায়।
তোমার যা লাগবে
- একটি গুগল ক্লাউড প্রকল্প
- একটি ব্রাউজার, যেমন ক্রোম বা ফায়ারফক্স
- পাইথন ৩ সম্পর্কে জ্ঞান
2. সেট আপ করা
এই কোডল্যাব ধরে নিচ্ছে যে আপনি Introductory Codelab- এ তালিকাভুক্ত ডকুমেন্ট এআই সেটআপ ধাপগুলি সম্পন্ন করেছেন।
এগিয়ে যাওয়ার আগে অনুগ্রহ করে নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
আপনাকে Python-এর জন্য একটি জনপ্রিয় ডেটা বিশ্লেষণ লাইব্রেরি, Pandas ইনস্টল করতে হবে।
pip3 install --upgrade pandas
৩. বিশেষায়িত প্রসেসর তৈরি করুন
এই টিউটোরিয়ালের জন্য আপনাকে প্রথমে যে প্রসেসরগুলি ব্যবহার করতে হবে তার ইনস্ট্যান্স তৈরি করতে হবে।
- কনসোলে, ডকুমেন্ট এআই প্ল্যাটফর্ম ওভারভিউতে নেভিগেট করুন।
- Create Processor এ ক্লিক করুন, Specialized এ স্ক্রোল করুন এবং Procurement Doc Splitter নির্বাচন করুন।
- এটির নাম দিন "codelab-procurement-splitter" (অথবা অন্য কিছু যা আপনার মনে থাকবে) এবং তালিকার সবচেয়ে কাছের অঞ্চলটি নির্বাচন করুন।
- আপনার প্রসেসর তৈরি করতে Create এ ক্লিক করুন।
- প্রসেসর আইডি কপি করুন। পরে আপনার কোডে এটি ব্যবহার করতে হবে।
- ইনভয়েস পার্সার (যাকে আপনি "কোডেল্যাব-ইনভয়েস-পার্সার" নাম দিতে পারেন) দিয়ে ধাপ ২-৬ পুনরাবৃত্তি করুন।
কনসোলে প্রসেসর পরীক্ষা করুন
আপনি একটি ডকুমেন্ট আপলোড করে কনসোলে ইনভয়েস পার্সার পরীক্ষা করতে পারেন।
"ডকুমেন্ট আপলোড করুন" এ ক্লিক করুন এবং পার্স করার জন্য একটি ইনভয়েস নির্বাচন করুন। যদি আপনার কাছে ব্যবহারের জন্য একটি নমুনা ইনভয়েস না থাকে তবে আপনি এই নমুনা ইনভয়েসটি ডাউনলোড করে ব্যবহার করতে পারেন।
আপনার আউটপুটটি দেখতে এরকম হওয়া উচিত:
৪. নমুনা নথি ডাউনলোড করুন
এই ল্যাবের জন্য আমাদের কাছে কিছু নমুনা নথি ব্যবহার করার আছে।
আপনি নিম্নলিখিত লিঙ্কগুলি ব্যবহার করে PDF ফাইলগুলি ডাউনলোড করতে পারেন। তারপর সেগুলি Cloud Shell ইনস্ট্যান্সে আপলোড করুন ।
অথবা, আপনি gsutil ব্যবহার করে আমাদের পাবলিক ক্লাউড স্টোরেজ বাকেট থেকে এগুলি ডাউনলোড করতে পারেন।
gsutil cp gs://cloud-samples-data/documentai/codelabs/specialized-processors/procurement_multi_document.pdf .
gsutil cp gs://cloud-samples-data/documentai/codelabs/specialized-processors/google_invoice.pdf .
৫. নথিগুলিকে শ্রেণীবদ্ধ করুন এবং বিভক্ত করুন
এই ধাপে আপনি একটি বহু-পৃষ্ঠার নথির জন্য লজিক্যাল স্প্লিট পয়েন্টগুলিকে শ্রেণীবদ্ধ এবং সনাক্ত করতে অনলাইন প্রক্রিয়াকরণ API ব্যবহার করবেন।
আপনি যদি একাধিক ফাইল পাঠাতে চান অথবা ফাইলের আকার অনলাইন প্রক্রিয়াকরণের সর্বাধিক পৃষ্ঠার চেয়ে বেশি হয় তবে আপনি ব্যাচ প্রক্রিয়াকরণ API ব্যবহার করতে পারেন। আপনি ডকুমেন্ট এআই ওসিআর কোডল্যাবে এটি কীভাবে করবেন তা পর্যালোচনা করতে পারেন।
API অনুরোধ করার কোডটি প্রসেসর আইডি ছাড়াও সাধারণ প্রসেসরের জন্য অভিন্ন।
প্রকিউরমেন্ট স্প্লিটার/ক্লাসিফায়ার
classification.py নামে একটি ফাইল তৈরি করুন এবং নীচের কোডটি ব্যবহার করুন।
PROCUREMENT_SPLITTER_ID পরিবর্তে আপনার পূর্বে তৈরি করা Procurement Splitter Processor এর ID দিন। YOUR_PROJECT_ID এবং YOUR_PROJECT_LOCATION এর পরিবর্তে যথাক্রমে আপনার Cloud Project ID এবং Processor Location দিন।
classification.py সম্পর্কে
import pandas as pd
from google.cloud import documentai_v1 as documentai
def online_process(
project_id: str,
location: str,
processor_id: str,
file_path: str,
mime_type: str,
) -> documentai.Document:
"""
Processes a document using the Document AI Online Processing API.
"""
opts = {"api_endpoint": f"{location}-documentai.googleapis.com"}
# Instantiates a client
documentai_client = documentai.DocumentProcessorServiceClient(client_options=opts)
# The full resource name of the processor, e.g.:
# projects/project-id/locations/location/processor/processor-id
# You must create new processors in the Cloud Console first
resource_name = documentai_client.processor_path(project_id, location, processor_id)
# Read the file into memory
with open(file_path, "rb") as file:
file_content = file.read()
# Load Binary Data into Document AI RawDocument Object
raw_document = documentai.RawDocument(content=file_content, mime_type=mime_type)
# Configure the process request
request = documentai.ProcessRequest(name=resource_name, raw_document=raw_document)
# Use the Document AI client to process the sample form
result = documentai_client.process_document(request=request)
return result.document
PROJECT_ID = "YOUR_PROJECT_ID"
LOCATION = "YOUR_PROJECT_LOCATION" # Format is 'us' or 'eu'
PROCESSOR_ID = "PROCUREMENT_SPLITTER_ID" # Create processor in Cloud Console
# The local file in your current working directory
FILE_PATH = "procurement_multi_document.pdf"
# Refer to https://cloud.google.com/document-ai/docs/processors-list
# for supported file types
MIME_TYPE = "application/pdf"
document = online_process(
project_id=PROJECT_ID,
location=LOCATION,
processor_id=PROCESSOR_ID,
file_path=FILE_PATH,
mime_type=MIME_TYPE,
)
print("Document processing complete.")
types = []
confidence = []
pages = []
# Each Document.entity is a classification
for entity in document.entities:
classification = entity.type_
types.append(classification)
confidence.append(f"{entity.confidence:.0%}")
# entity.page_ref contains the pages that match the classification
pages_list = []
for page_ref in entity.page_anchor.page_refs:
pages_list.append(page_ref.page)
pages.append(pages_list)
# Create a Pandas Dataframe to print the values in tabular format.
df = pd.DataFrame({"Classification": types, "Confidence": confidence, "Pages": pages})
print(df)
আপনার আউটপুটটি এরকম কিছু দেখা উচিত:
$ python3 classification.py
Document processing complete.
Classification Confidence Pages
0 invoice_statement 100% [0]
1 receipt_statement 98% [1]
2 other 81% [2]
3 utility_statement 100% [3]
4 restaurant_statement 100% [4]
লক্ষ্য করুন যে, প্রকিউরমেন্ট স্প্লিটার/ক্লাসিফায়ার পৃষ্ঠা ০-১ এবং ৩-৪-এ ডকুমেন্টের ধরণগুলি সঠিকভাবে চিহ্নিত করেছে।
পৃষ্ঠা ২-তে একটি জেনেরিক মেডিকেল ইনটেক ফর্ম রয়েছে, তাই শ্রেণীবদ্ধকারী এটিকে সঠিকভাবে other হিসাবে চিহ্নিত করেছেন।
৬. সত্তাগুলো বের করুন
এখন আপনি ফাইলগুলি থেকে স্কিম্যাটাইজড এন্টিটিগুলি বের করতে পারবেন, যার মধ্যে রয়েছে কনফিডেন্স স্কোর, প্রোপার্টি এবং নরমালাইজড মান।
API অনুরোধ করার কোডটি পূর্ববর্তী ধাপের মতোই, এবং এটি অনলাইন বা ব্যাচ অনুরোধের মাধ্যমে করা যেতে পারে।
আমরা সত্তাগুলি থেকে নিম্নলিখিত তথ্য অ্যাক্সেস করব:
- সত্তার ধরণ
- (যেমন
invoice_date,receiver_name,total_amount)
- (যেমন
- কাঁচা মান
- মূল ডকুমেন্ট ফাইলে উপস্থাপিত ডেটা মান।
- স্বাভাবিক মান
- প্রযোজ্য হলে, একটি স্বাভাবিক এবং আদর্শ বিন্যাসে ডেটা মান।
- এন্টারপ্রাইজ নলেজ গ্রাফ থেকে সমৃদ্ধকরণও অন্তর্ভুক্ত করতে পারে
- আত্মবিশ্বাসের মূল্যবোধ
- মডেলটি কতটা "নিশ্চিত" যে মানগুলি সঠিক।
কিছু সত্তার ধরণ, যেমন line_item এমন বৈশিষ্ট্যও অন্তর্ভুক্ত থাকতে পারে যা নেস্টেড সত্তা যেমন line_item/unit_price এবং line_item/description ।
এই উদাহরণটি দেখার সুবিধার জন্য নেস্টেড কাঠামোটিকে সমতল করে।
ইনভয়েস পার্সার
extraction.py নামে একটি ফাইল তৈরি করুন এবং নীচের কোডটি ব্যবহার করুন।
INVOICE_PARSER_ID পরিবর্তে আপনার আগে তৈরি করা ইনভয়েস পার্সার প্রসেসরের আইডি দিন এবং google_invoice.pdf ফাইলটি ব্যবহার করুন।
এক্সট্রাকশন.পি
import pandas as pd
from google.cloud import documentai_v1 as documentai
def online_process(
project_id: str,
location: str,
processor_id: str,
file_path: str,
mime_type: str,
) -> documentai.Document:
"""
Processes a document using the Document AI Online Processing API.
"""
opts = {"api_endpoint": f"{location}-documentai.googleapis.com"}
# Instantiates a client
documentai_client = documentai.DocumentProcessorServiceClient(client_options=opts)
# The full resource name of the processor, e.g.:
# projects/project-id/locations/location/processor/processor-id
# You must create new processors in the Cloud Console first
resource_name = documentai_client.processor_path(project_id, location, processor_id)
# Read the file into memory
with open(file_path, "rb") as file:
file_content = file.read()
# Load Binary Data into Document AI RawDocument Object
raw_document = documentai.RawDocument(content=file_content, mime_type=mime_type)
# Configure the process request
request = documentai.ProcessRequest(name=resource_name, raw_document=raw_document)
# Use the Document AI client to process the sample form
result = documentai_client.process_document(request=request)
return result.document
PROJECT_ID = "YOUR_PROJECT_ID"
LOCATION = "YOUR_PROJECT_LOCATION" # Format is 'us' or 'eu'
PROCESSOR_ID = "INVOICE_PARSER_ID" # Create processor in Cloud Console
# The local file in your current working directory
FILE_PATH = "google_invoice.pdf"
# Refer to https://cloud.google.com/document-ai/docs/processors-list
# for supported file types
MIME_TYPE = "application/pdf"
document = online_process(
project_id=PROJECT_ID,
location=LOCATION,
processor_id=PROCESSOR_ID,
file_path=FILE_PATH,
mime_type=MIME_TYPE,
)
types = []
raw_values = []
normalized_values = []
confidence = []
# Grab each key/value pair and their corresponding confidence scores.
for entity in document.entities:
types.append(entity.type_)
raw_values.append(entity.mention_text)
normalized_values.append(entity.normalized_value.text)
confidence.append(f"{entity.confidence:.0%}")
# Get Properties (Sub-Entities) with confidence scores
for prop in entity.properties:
types.append(prop.type_)
raw_values.append(prop.mention_text)
normalized_values.append(prop.normalized_value.text)
confidence.append(f"{prop.confidence:.0%}")
# Create a Pandas Dataframe to print the values in tabular format.
df = pd.DataFrame(
{
"Type": types,
"Raw Value": raw_values,
"Normalized Value": normalized_values,
"Confidence": confidence,
}
)
print(df)
আপনার আউটপুটটি এরকম কিছু দেখা উচিত:
$ python3 extraction.py
Type Raw Value Normalized Value Confidence
0 vat $1,767.97 100%
1 vat/tax_amount $1,767.97 1767.97 USD 0%
2 invoice_date Sep 24, 2019 2019-09-24 99%
3 due_date Sep 30, 2019 2019-09-30 99%
4 total_amount 19,647.68 19647.68 97%
5 total_tax_amount $1,767.97 1767.97 USD 92%
6 net_amount 22,379.39 22379.39 91%
7 receiver_name Jane Smith, 83%
8 invoice_id 23413561D 67%
9 receiver_address 1600 Amphitheatre Pkway\nMountain View, CA 94043 66%
10 freight_amount $199.99 199.99 USD 56%
11 currency $ USD 53%
12 supplier_name John Smith 19%
13 purchase_order 23413561D 1%
14 receiver_tax_id 23413561D 0%
15 supplier_iban 23413561D 0%
16 line_item 9.99 12 12 ft HDMI cable 119.88 100%
17 line_item/unit_price 9.99 9.99 90%
18 line_item/quantity 12 12 77%
19 line_item/description 12 ft HDMI cable 39%
20 line_item/amount 119.88 119.88 92%
21 line_item 12 399.99 27" Computer Monitor 4,799.88 100%
22 line_item/quantity 12 12 80%
23 line_item/unit_price 399.99 399.99 91%
24 line_item/description 27" Computer Monitor 15%
25 line_item/amount 4,799.88 4799.88 94%
26 line_item Ergonomic Keyboard 12 59.99 719.88 100%
27 line_item/description Ergonomic Keyboard 32%
28 line_item/quantity 12 12 76%
29 line_item/unit_price 59.99 59.99 92%
30 line_item/amount 719.88 719.88 94%
31 line_item Optical mouse 12 19.99 239.88 100%
32 line_item/description Optical mouse 26%
33 line_item/quantity 12 12 78%
34 line_item/unit_price 19.99 19.99 91%
35 line_item/amount 239.88 239.88 94%
36 line_item Laptop 12 1,299.99 15,599.88 100%
37 line_item/description Laptop 83%
38 line_item/quantity 12 12 76%
39 line_item/unit_price 1,299.99 1299.99 90%
40 line_item/amount 15,599.88 15599.88 94%
41 line_item Misc processing fees 899.99 899.99 1 100%
42 line_item/description Misc processing fees 22%
43 line_item/unit_price 899.99 899.99 91%
44 line_item/amount 899.99 899.99 94%
45 line_item/quantity 1 1 63%
৭. ঐচ্ছিক: অন্যান্য বিশেষায়িত প্রসেসর ব্যবহার করে দেখুন
আপনি ডকুমেন্ট শ্রেণীবদ্ধ করতে এবং একটি ইনভয়েস পার্স করার জন্য ডকুমেন্ট এআই ফর প্রকিউরমেন্ট সফলভাবে ব্যবহার করেছেন। ডকুমেন্ট এআই এখানে তালিকাভুক্ত অন্যান্য বিশেষায়িত সমাধানগুলিকেও সমর্থন করে:
আপনি একই পদ্ধতি অনুসরণ করতে পারেন এবং যেকোনো বিশেষায়িত প্রসেসর পরিচালনা করতে একই কোড ব্যবহার করতে পারেন।
আপনি যদি অন্যান্য বিশেষায়িত সমাধানগুলি চেষ্টা করে দেখতে চান, তাহলে আপনি অন্যান্য প্রসেসরের ধরণ এবং বিশেষায়িত নমুনা নথি দিয়ে ল্যাবটি পুনরায় চালাতে পারেন।
নমুনা নথি
এখানে কিছু নমুনা নথি দেওয়া হল যা আপনি অন্যান্য বিশেষায়িত প্রসেসরগুলি চেষ্টা করার জন্য ব্যবহার করতে পারেন।
সমাধান | প্রসেসরের ধরণ | দলিল |
পরিচয় | ||
ঋণদান | ||
ঋণদান | ||
চুক্তি |
আপনি ডকুমেন্টেশনে অন্যান্য নমুনা নথি এবং প্রসেসরের আউটপুট খুঁজে পেতে পারেন।
৮. অভিনন্দন
অভিনন্দন, আপনি বিশেষায়িত নথি থেকে ডেটা শ্রেণীবদ্ধ এবং বের করার জন্য ডকুমেন্ট এআই সফলভাবে ব্যবহার করেছেন। আমরা আপনাকে অন্যান্য বিশেষায়িত নথির ধরণ নিয়ে পরীক্ষা-নিরীক্ষা করার জন্য উৎসাহিত করছি।
পরিষ্কার করা
এই টিউটোরিয়ালে ব্যবহৃত রিসোর্সের জন্য আপনার গুগল ক্লাউড অ্যাকাউন্টে চার্জ এড়াতে:
- ক্লাউড কনসোলে, রিসোর্স পরিচালনা পৃষ্ঠায় যান।
- প্রকল্পের তালিকায়, আপনার প্রকল্প নির্বাচন করুন এবং তারপর মুছুন ক্লিক করুন।
- ডায়ালগে, প্রজেক্ট আইডি টাইপ করুন এবং তারপর প্রজেক্টটি মুছে ফেলতে Shut down এ ক্লিক করুন।
আরও জানুন
এই ফলো-আপ কোডল্যাবগুলির সাহায্যে ডকুমেন্ট এআই সম্পর্কে শেখা চালিয়ে যান।
- পাইথন দিয়ে ডকুমেন্ট এআই প্রসেসর পরিচালনা করা
- ডকুমেন্ট এআই: লুপে মানুষ
- ডকুমেন্ট এআই ওয়ার্কবেঞ্চ: আপট্রেনিং
- ডকুমেন্ট এআই ওয়ার্কবেঞ্চ: কাস্টম প্রসেসর
রিসোর্স
- ডকুমেন্টের ভবিষ্যৎ - ইউটিউব প্লেলিস্ট
- ডকুমেন্ট এআই ডকুমেন্টেশন
- ডকুমেন্ট এআই পাইথন ক্লায়েন্ট লাইব্রেরি
- ডকুমেন্ট এআই নমুনা
লাইসেন্স
এই কাজটি ক্রিয়েটিভ কমন্স অ্যাট্রিবিউশন ২.০ জেনেরিক লাইসেন্সের অধীনে লাইসেন্সপ্রাপ্ত।