目录
[1. 自定义文档拆分器（CDS）带来的商业价值](#1. 自定义文档拆分器（CDS）带来的商业价值)
[2. Document AI Workbench 模型的优势与使用流程](#2. Document AI Workbench 模型的优势与使用流程)
这种多文档合一的复杂性使得企业难以进行大规模管理。Google Cloud 致力于通过持续投资 Document AI 解决方案套件来解决这些挑战，该套件提供了一系列用于文档处理和见解的机器学习产品。Document AI Workbench 可帮助用户快速构建具有世界一流精度并针对其特定用例训练的 ML 模型。
此前的创新包括：
2023 年 2 月：推出了自定义文档提取器（CDE）的通用版（GA），帮助用户从文档中提取结构化数据。
2023 年 3 月：在 GA 中推出了自定义文档分类器（CDC），帮助自动分类文档类型。
1. 自定义文档拆分器（CDS）带来的商业价值
CDS 的推出解决了文档处理中最棘手的"文件合并"问题，为企业带来了巨大的效率提升：
流程简化与验证
CDS 帮助客户对文档进行排序和分类，使其能够验证是否拥有申请人提供的所有所需文件。
下游流程自动化：单独分类的文档使企业能够更好地自动化下游流程，如选择适当的存储、分析或处理步骤。
降低运营成本
来自客户的反馈印证了 CDS 的价值。Zencore 客户通过使用 CDS，每年消除了数千个错误，大幅降低了合规报告程序的运营成本。德勤的客户德国商业银行利用 CDS 轻松细分客户提交的内容，极大地减少了额外的手动排序或路由工作。
Frank Neugebauer，Google Cloud 保险解决方案顾问，与一家财富 100 强保险公司合作，使用 CDS 创建的模型对数百万份保险文件进行拆分和分类，准确率高达 98%。
2. Document AI Workbench 模型的优势与使用流程
Document AI Workbench 通过简化模型训练过程，帮助企业节省时间和金钱。
如何使用自定义文档拆分器
用户可以利用 Google Cloud Console 中的简单界面和一组公共 API 来准备训练数据、创建和评估模型、将模型部署到生产中，并调用 API 端点来拆分和分类文档类型。
导入并准备训练数据
快速构建数据集：用户可以通过导入单个文档（每个文件一个文档）并使用相关文档类型进行批量标记来快速构建训练数据集。用户可以一次导入一个或多个文件夹，并在导入时立即为每个文件夹选择正确的文档类型。
数据规模：用户最多可输入 30,000 份文档和 100,000 页进行培训，能够在几分钟内构建一个包含数百个标记文档的训练数据集。
准确评估模型
要准确评估 CDS 模型，需导入同一文件中包含多种文档类型的文件，并将其分配给测试数据集。
使用简单的接口定义文档边界和类型，这些基本事实用于评估 CDS 模型的分割和分类预测。
投入生产
一旦模型满足准确性目标，即可部署到生产中，并通过 API 端点调用模型来拆分和分类文档类型。