スキャン文書からのフォーム・表データ抽出
ある病院が、スキャンして PDF にした帳票から、患者 ID や検査値といったキーと値のペアや表構造を自動的に抽出したいと考えています。機械学習の専門家はおらず、モデルの学習は行いません。最も適した AWS サービスはどれですか。
解説を読む（正解: C）
Amazon Textract は、スキャン画像や PDF などの文書から文字を読み取るだけでなく、フォームのキーと値のペア、および表の行と列の構造を認識して構造化データとして返すマネージド AI サービスです。利用者はモデルを学習させる必要がなく、API を呼び出すだけで抽出結果を取得できるため、機械学習の専門家がいない組織でも導入できます。設問の要件は「スキャン画像から検査値の表やフォーム項目を構造化して取り出す」ことなので、C が正解となります。B の Amazon Comprehend は自然言語処理サービスで、テキストからエンティティ、キーフレーズ、感情、個人情報などを抽出できますが、入力はあくまでテキストであり、画像から文字を読み取る機能は持ちません。A の Amazon Rekognition は画像・動画の分析サービスで、物体やシーン、顔の検出に加えて画像内テキストの検出もできますが、看板やラベルなど短い文字列の検出が用途であり、帳票のフォーム項目や表のセル構造を理解して抽出する機能はありません。D の Amazon Kendra は社内文書に対する自然言語検索を提供するインテリジェント検索サービスであり、検索体験の改善が目的で、帳票を構造化データに変換する用途には合致しません。
スキャン文書からのフォーム項目の自動抽出
スキャン済み PDF の帳票から、フォーム項目をキーと値のペアとして、また表を行と列の構造を保ったまま抽出したいと考えています。機械学習の専門要員はおらず、API 呼び出しだけで利用したいです。最も適した AWS サービスはどれですか。
解説を読む（正解: A）
Amazon Textract は、スキャンした文書や画像から文字を読み取るだけの従来型 OCR とは異なり、機械学習によって文書の構造そのものを解析するマネージドサービスです。活字と手書き文字の認識に加え、申込書などのフォームを「キーと値のペア」として抽出したり、表を行と列の関係を保ったまま構造化データとして取り出したりできるため、抽出結果をそのまま基幹システムへ連携できます。本問の要件は、スキャン済み PDF から氏名や保険者番号といったフォーム項目とチェックボックスの選択状態を自動抽出することであり、これはまさに Textract が想定する典型的なユースケースであるため A が正解となります。事前の学習やモデル構築が不要で、API 呼び出しだけで利用できる点も、専門要員を持たない組織の事務工数削減という目的に合致します。B の Amazon Rekognition は画像や動画から物体・シーン・顔・不適切コンテンツなどを検出するサービスであり、画像内のテキスト検出機能はあるものの、帳票のキーと値の対応づけや表構造の復元までは行えません。C の Amazon Comprehend は自然言語処理サービスで、すでにテキスト化された文章からエンティティ・感情・キーフレーズを抽出するものであり、PDF 画像から文字を取り出す工程そのものは担いません。D の Amazon Polly はテキストを人間らしい音声に変換する音声合成サービスであり、文書からのデータ抽出とは目的が正反対です。
配送伝票のスキャン画像からの項目抽出
紙の配送伝票をスキャンして PDF で保存しており、現在は担当者が伝票番号や届け先を手入力しています。スキャン画像から、項目名とそれに対応する記入内容の組や表形式のデータを機械可読な形で自動抽出したいと考えています。最も適した AWS のサービスはどれですか。
解説を読む（正解: A）
Amazon Textract は、スキャン画像や PDF などの文書から文字を読み取るだけでなく、帳票のキーと値のペア (項目名とそこに記入された内容) や表の構造を、機械可読なデータとして抽出できる AI サービスです。単純に文字列を並べて返す光学文字認識と異なり、どの文字がどの項目の値なのかという対応関係を保持したまま出力するため、伝票番号・届け先・個数といった欄を切り出して後続の基幹システムへ自動連携する用途にそのまま使えます。設問はまさにこの要件なので A が正解です。B の Amazon Comprehend は自然言語処理のサービスで、すでにテキスト化された文章から固有表現・キーフレーズ・感情などを抽出するものであり、画像から文字を読み取る入口の機能は持ちません。C の Amazon Rekognition は画像や動画に写っている物体・シーン・顔・不適切コンテンツなどを解析するサービスで、画像中の文字を検出する機能はあるものの、帳票の項目名と値の対応付けや表構造の再現を目的として設計されていません。D の Amazon Transcribe は音声をテキストに変換する文字起こしサービスであり、入力が音声である点で本件の用途とは根本的に異なります。