As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Práticas recomendadas para o Amazon Textract
Amazon Textract usa aprendizado de máquina para ler documentos como uma pessoa faria. Ele extrai texto, tabelas e formulários de documentos. Use as melhores práticas a seguir para obter os melhores resultados de seus documentos.
## Forneça um documento de entrada ideal
Veja a seguir uma lista de algumas maneiras pelas quais você pode otimizar seus documentos de entrada para obter melhores resultados.
+ Certifique-se de que o texto do documento esteja em um idioma compatível com o Amazon Textract. Atualmente, o Amazon Textract é compatível com inglês, espanhol, alemão, italiano, francês e português.
+ Forneça uma imagem de alta qualidade, idealmente pelo menos 150 DPI.
+ Se o documento já estiver em um dos formatos de arquivo compatíveis com o Amazon Textract (PDF, TIFF, JPEG e PNG), não converta ou diminua a amostra do documento antes de enviá-lo para o Amazon Textract.
Para obter os melhores resultados ao extrair texto de tabelas em documentos, certifique-se de que:
+ As tabelas em seu documento são separadas visualmente dos elementos ao redor na página. Por exemplo, a tabela não é sobreposta em uma imagem ou padrão complexo.
+ O texto dentro da tabela está na posição vertical. Por exemplo, o texto não é girado em relação a outro texto na página.
Ao extrair texto de tabelas, você pode ver resultados inconsistentes quando:
+ Células de tabela mescladas que abrangem várias colunas.
+ Tabelas com células, linhas ou colunas diferentes de outras partes da mesma tabela.
Recomendamos usar[Detecção de texto](how-it-works-detecting.md)Como solução.
## Usar escores de confiança
Você deve levar em consideração as pontuações de confiança retornadas pelas operações da API Amazon Textract e a sensibilidade de seu caso de uso. Um escore de confiança é um número entre 0 e 100 que indica a probabilidade de que uma determinada previsão esteja correta. Isso ajuda você a tomar decisões informadas sobre como você usa os resultados.
Em aplicativos sensíveis a erros de detecção (falsos positivos), imponha um limite mínimo de pontuação de confiança. O aplicativo deve descartar resultados abaixo desse limite ou sinalizar situações como exigindo um nível mais alto de escrutínio humano.
O limite ideal depende do aplicativo. Para fins de arquivamento, como documentar notas manuscritas, pode ser tão baixo quanto 50%. Processos de negócios envolvendo decisões financeiras podem exigir limites de 90% ou mais.
## Considere usar a análise humana
Considere também incorporar a revisão humana em seus fluxos de trabalho. Isso é especialmente importante para aplicativos confidenciais, como processos de negócios que envolvem decisões financeiras.