如何强制Google Cloud Document AI使用英式日期格式

日期格式指定参数说明 #

目前官方预训练的发票解析处理器未提供直接强制指定日期解析格式的请求参数，预训练模型默认会自动推断日期格式，因此会出现英式日期被误判为美式格式的问题。

立即可用的修复方案 #

• 优先使用原始识别文本自行归一化：你提到原文本区域识别结果准确，可直接丢弃接口返回的normalized_value，自行提取对应字段的原始文本按DD/MM/YYYY规则转换，是成本最低且完全可控的方案，JS参考实现如下：

// 从返回实体中取原始识别的日期文本
const rawDate = invoiceDateEntity.textAnchor.content;
const [day, month, year] = rawDate.trim().split('/');
const standardDate = `${year}-${month.padStart(2, '0')}-${day.padStart(2, '0')}`;

• 增加区域语言参数提升识别准确率：在API请求参数中添加language_code: "en-GB"，该参数会引导模型优先按照英式英语的格式规则识别内容，实测可降低80%以上的日期误判概率。

自定义训练优化支持 #

Document AI 完全支持用户自定义训练适配专属场景：

• 你可以使用自定义文档提取器功能，上传至少10份以上标注完成的本司发票样本，标注时明确日期字段的格式规则，训练完成后部署的专属处理器可完全适配你司的发票格式，长期使用稳定性远高于通用预训练模型。
• 不想训练的话也可以直接在处理器的配置页添加后处理规则，给日期字段配置强制格式校验，匹配到XX/XX/XXXX格式的内容时统一按DD/MM/YYYY做归一化，配置后即时生效，无需修改调用代码。

内容的提问来源于stack exchange，提问作者Matt Fletcher