此页面由 Cloud Translation API 翻译。

基于模板的提取

对于固定布局应用场景，您只需提供 3 份训练文档和 3 份测试文档，即可训练出高性能模型。加快开发速度，缩短 W9、1040、ACORD、调查问卷和调查表等模板化文档类型的生产时间。

数据集配置

必须使用文档数据集才能训练、追加训练或评估处理器版本。 Document AI 处理器可以像人类一样从示例中学习。数据集可提升处理器在性能方面的稳定性。

训练数据集

为了改进模型并提高其准确性，请使用您的文档训练数据集。模型由具有标准答案的文档组成。您至少需要三个文档才能训练新模型。

测试数据集

测试数据集是模型用于生成 F1 得分（准确率）的数据集。它由包含标准答案的文档组成。为了了解模型的正确率，系统会使用评估依据将模型的预测结果（从模型中提取的字段）与正确答案进行比较。测试数据集应至少包含 3 个文档。

准备工作

如果尚未启用，请启用：

模板模式标签的最佳实践

正确的标记是实现高准确度的最重要步骤之一。模板模式采用了一些独特的标记方法，与其他训练模式不同：

在文档中，围绕您预计数据会位于的整个区域（每个标签）绘制边界框，即使您要标记的训练文档中的标签为空也是如此。
您可以为基于模板的训练标记空白字段。对于基于模型的训练，请勿标记空字段。

以模板模式构建和评估自定义提取器

创建自定义提取器。创建处理器并按照最佳实践定义要提取的字段，这一点非常重要，因为这会影响提取质量。
设置数据集位置。选择默认选项文件夹（Google 管理）。这可能在创建处理器后不久自动完成。
前往构建标签页，然后选择导入文档（自动添加标签功能已启用）。对于基于模板的训练，添加的文档数量通常不会超过所需的最低数量（即 3 个），否则不会提高质量。与其添加更多数据，不如专注于非常准确地标记少量数据。

注意：如果您在数据集中发现模板变体，可以尝试增加训练集大小。尽量为每个变体提供至少 3 个训练文档。每个集至少需要三个训练文档、三个测试文档和三个架构标签。
扩展边界框。模板模式下的这些框应如前面的示例所示。扩展边界框，遵循最佳实践以获得最佳效果。
训练模型。
1. 选择训练新版本。
2. 为处理器版本命名。
3. 前往显示高级选项，然后选择基于模板的模型方法。
注意：训练需要一段时间才能完成。
评估。
1. 前往评估和测试。
2. 选择刚刚训练的版本，然后选择查看完整评估结果。
现在，您可以看到整个文档和每个字段的指标，例如 F1 得分、精确率和召回率。 1. 确定效果是否达到生产目标，如果未达到，请重新评估训练集和测试集。
将新版本设为默认版本。
1. 前往管理版本。
2. 选择以查看“设置”菜单，然后勾选设为默认。
您的模型现已部署，发送给此处理器的文档将使用您的自定义版本。您希望评估模型的性能（更多关于如何执行此操作的详情），以检查模型是否需要进一步训练。

评估参考

评估引擎可以执行完全匹配或模糊匹配。对于精确匹配，提取的值必须与标准答案完全一致，否则会被视为未命中。

即使模糊匹配提取结果存在细微差异（例如大小写差异），仍视为匹配。可以在评估界面中更改此设置。

template-based-extraction-6

使用基础模型自动添加标签

基础模型可以准确提取各种文档类型的字段，不过您也可以提供额外的训练数据，以提高模型针对特定文档结构的准确率。

Document AI 使用您定义的标签名称和之前的注解，通过自动添加标签功能可以更加轻松快捷地为文档大规模添加标签。

创建自定义处理器后，前往开始使用标签页。
选择创建新字段。

注意：基础模型的标签名称可能会对模型准确率和性能产生很大影响。请务必指定一个描述性名称。
前往构建标签页，然后选择导入文档。
选择文档的路径以及要将文档导入到的集合。选中“自动加标签”复选框，然后选择基础模型。
在构建标签页中，选择管理数据集。您应该会看到导入的文档。选择您的某个证件。
您会看到模型做出的预测以紫色突出显示，您需要检查模型预测的每个标签，确保其正确无误。如果缺少字段，您还需要添加这些字段。

注意：请务必尽可能准确地填写所有字段，否则模型效果会受到影响。如需详细了解标签。
审核完文档后，选择标记为已加标签。
该文档现在可供模型使用。确保相应文档位于测试集或训练集中。