ML.PROCESS_DOCUMENT 함수를 사용하여 문서 처리

이 문서에서는 ML.PROCESS_DOCUMENT 함수를 원격 모델과 함께 사용하여 객체 테이블의 문서에서 유용한 정보를 추출하는 방법을 설명합니다.

지원되는 위치

US 또는 EU 멀티 리전에서 이 절차에 사용할 원격 모델을 만들어야 합니다. 원격 모델과 같은 리전에서 ML.PROCESS_DOCUMENT 함수를 실행해야 합니다.

필수 권한

• Document AI 프로세서를 만들려면 다음 역할이 필요합니다.

  • roles/documentai.editor

• 연결을 만들려면 다음 역할의 멤버십이 필요합니다.

  • roles/bigquery.connectionAdmin

• BigQuery ML을 사용하여 모델을 만들려면 다음 권한이 필요합니다.

  • bigquery.jobs.create
  • bigquery.models.create
  • bigquery.models.getData
  • bigquery.models.updateData
  • bigquery.models.updateMetadata

• 추론을 실행하려면 다음 권한이 필요합니다.

  • 객체 테이블에 대한 bigquery.tables.getData
  • 모델에 대한 bigquery.models.getData
  • bigquery.jobs.create

시작하기 전에

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the BigQuery, BigQuery Connection API, and Document AI APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the BigQuery, BigQuery Connection API, and Document AI APIs.

   Enable the APIs

프로세서 만들기

Document AI에서 문서를 처리할 프로세서를 만듭니다. 프로세서는 지원되는 유형이어야 합니다.

연결 만들기

클라우드 리소스 연결을 만들고 연결의 서비스 계정을 가져옵니다.

다음 옵션 중 하나를 선택합니다.

# This queries the provider for project information.
data "google_project" "default" {}

# This creates a cloud resource connection in the US region named my_cloud_resource_connection.
# Note: The cloud resource nested object has only one output field - serviceAccountId.
resource "google_bigquery_connection" "default" {
  connection_id = "my_cloud_resource_connection"
  project       = data.google_project.default.project_id
  location      = "US"
  cloud_resource {}
}

서비스 계정에 액세스 권한 부여

다음 옵션 중 하나를 선택합니다.

gcloud projects add-iam-policy-binding 'PROJECT_NUMBER' --member='serviceAccount:MEMBER' --role='roles/documentai.viewer' --condition=None
gcloud projects add-iam-policy-binding 'PROJECT_NUMBER' --member='serviceAccount:MEMBER' --role='roles/storage.objectViewer' --condition=None

권한을 부여하지 않으면 Permission denied 오류가 발생합니다.

데이터 세트 생성

모델과 객체 테이블을 포함할 데이터 세트를 만듭니다. 데이터 세트, 연결, 문서 프로세서는 동일한 리전에 만들어야 합니다.

모델 만들기

CLOUD_AI_DOCUMENT_V1의 REMOTE_SERVICE_TYPE을 사용하여 원격 모델을 만듭니다.

CREATE OR REPLACE MODEL
`PROJECT_ID.DATASET_ID.MODEL_NAME`
REMOTE WITH CONNECTION `PROJECT_ID.REGION.CONNECTION_ID`
OPTIONS (
  REMOTE_SERVICE_TYPE = 'CLOUD_AI_DOCUMENT_V1',
  DOCUMENT_PROCESSOR = 'PROCESSOR_ID'
);

다음을 바꿉니다.

• PROJECT_ID: 프로젝트 ID
• DATASET_ID: 모델을 포함할 데이터 세트의 ID
• MODEL_NAME: 모델의 이름
• REGION: 연결에 사용되는 리전입니다.
• CONNECTION_ID: 연결 ID입니다(예: myconnection).

  Google Cloud 콘솔에서 연결 세부정보를 볼 때 연결 ID는 연결 ID에 표시되는 정규화된 연결 ID의 마지막 섹션에 있는 값입니다(예: projects/myproject/locations/connection_location/connections/myconnection).

• PROCESSOR_ID: 문서 프로세서 ID. 이 값을 찾으려면 프로세서 세부정보를 확인한 다음 기본 정보 섹션의 ID 행을 확인합니다.

모델 출력 열을 보려면 모델이 생성된 후 쿼리 결과에서 모델로 이동을 클릭합니다. 출력 열은 스키마 탭의 라벨 섹션에 표시됩니다.

객체 테이블 만들기

Cloud Storage의 문서 집합을 대상으로 객체 테이블을 만듭니다. 객체 테이블의 문서는 지원되는 유형이어야 합니다.

문서 처리

ML.PROCESS_DOCUMENT를 사용하여 모든 문서를 처리합니다.

SELECT *
FROM ML.PROCESS_DOCUMENT(
  MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`,
  TABLE `PROJECT_ID.DATASET_ID.OBJECT_TABLE_NAME`
  [, PROCESS_OPTIONS => ( JSON 'PROCESS_OPTIONS')]
);

다음을 바꿉니다.

• PROJECT_ID: 프로젝트 ID
• DATASET_ID: 모델이 포함된 데이터 세트의 ID
• MODEL_NAME: 모델의 이름
• OBJECT_TABLE_NAME: 처리할 문서의 URI가 포함된 객체 테이블의 이름
• PROCESS_OPTIONS: 문서 처리 방법을 지정하는 JSON 구성입니다. 예를 들어 레이아웃 파서의 문서 청크를 지정하는 데 사용합니다.

또는 ML.PROCESS_DOCUMENT를 사용하여 일부 문서를 처리합니다.

SELECT *
FROM ML.PROCESS_DOCUMENT(
  MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`,
  (SELECT *
  FROM `PROJECT_ID.DATASET_ID.OBJECT_TABLE_NAME`
  WHERE FILTERS
  LIMIT NUM_DOCUMENTS
  )
  [, PROCESS_OPTIONS => ( JSON 'PROCESS_OPTIONS')]
);

다음을 바꿉니다.

• PROJECT_ID: 프로젝트 ID
• DATASET_ID: 모델이 포함된 데이터 세트의 ID
• MODEL_NAME: 모델의 이름
• OBJECT_TABLE_NAME: 처리할 문서의 URI가 포함된 객체 테이블의 이름
• FILTERS: 객체 테이블 열에서 처리할 문서를 필터링하는 조건입니다.
• NUM_DOCUMENTS: 처리할 최대 문서 수입니다.
• PROCESS_OPTIONS: 구성을 정의하는 JSON 구성입니다(예: 레이아웃 파서용 청크 구성).

예시

예시 1

다음 예시에서는 비용 파서를 사용하여 documents 테이블로 표현되는 문서를 처리합니다.

SELECT *
FROM ML.PROCESS_DOCUMENT(
  MODEL `myproject.mydataset.expense_parser`,
  TABLE `myproject.mydataset.documents`
);

이 쿼리는 통화, 총 금액, 영수증 날짜, 비용 보고서의 항목을 포함하여 파싱된 비용 보고서를 반환합니다. ml_process_document_result 열에는 비용 파서의 원시 출력이 포함되고 ml_process_document_status 열에는 문서 처리에서 반환된 오류가 포함됩니다.

예시 2

다음 예시에서는 객체 테이블을 필터링하여 처리할 문서를 선택한 후 결과를 새 테이블에 쓰는 방법을 보여줍니다.

CREATE TABLE `myproject.mydataset.expense_details`
AS
SELECT uri, content_type, receipt_date, purchase_time, total_amount, currency
FROM
  ML.PROCESS_DOCUMENT(
    MODEL `myproject.mydataset.expense_parser`,
    (SELECT * FROM `myproject.mydataset.expense_reports`
    WHERE uri LIKE '%restaurant%'));

다음 단계

• BigQuery ML의 모델 추론에 대한 자세한 내용은 모델 추론 개요 참조하기
• 각 모델 유형에 지원되는 SQL 문과 함수에 대한 자세한 내용은 각 모델의 엔드 투 엔드 사용자 경험 참조하기