Extraction basée sur un modèle

Vous pouvez entraîner un modèle performant avec seulement trois documents d'entraînement et trois documents de test pour les cas d'utilisation à mise en page fixe. Accélérez le développement et réduisez le délai de mise en production pour les types de documents avec modèle, tels que les formulaires W9, 1040, ACORD, les enquêtes et les questionnaires.

Configuration d'ensemble de données

Un ensemble de données de documents est requis pour entraîner, surentraîner ou évaluer une version de l'outil de traitement. Les processeurs Document AI apprennent à partir d'exemples, comme les humains. L'ensemble de données alimente la stabilité du processeur en termes de performances.

Ensemble de données d'entraînement

Pour améliorer le modèle et sa précision, entraînez un ensemble de données sur vos documents. Le modèle est composé de documents avec des données de vérité terrain. Vous devez disposer d'au moins trois documents pour entraîner un nouveau modèle.

La vérité terrain correspond aux données correctement étiquetées, comme déterminé par des humains.

Ensemble de données de test

C'est l'ensemble de données de test que le modèle utilise pour générer un score F1 (précision). Il est composé de documents avec une vérité terrain. Pour savoir à quelle fréquence le modèle est correct, la vérité terrain est utilisée pour comparer les prédictions du modèle (champs extraits du modèle) aux bonnes réponses. L'ensemble de données de test doit contenir au moins trois documents.

Avant de commencer

Si ce n'est pas déjà fait, activez les éléments suivants:

• Facturation
• API Document AI

Bonnes pratiques concernant l'étiquetage en mode modèle

Un étiquetage approprié est l'une des étapes les plus importantes pour obtenir une précision élevée. Le mode Modèle utilise une méthodologie de libellé unique qui diffère des autres modes d'entraînement:

• Dessinez des cadres de délimitation autour de l'ensemble de la zone dans laquelle vous prévoyez que les données se trouveront (par étiquette) dans un document, même si l'étiquette est vide dans le document d'entraînement que vous annotez.
• Vous pouvez ajouter des libellés aux champs vides pour l'entraînement basé sur un modèle. Ne libellez pas les champs vides pour l'entraînement basé sur un modèle.

Recommandé. Exemple de libellé pour l'entraînement basé sur un modèle afin d'extraire la section supérieure d'un formulaire 1040.

Non recommandé. Exemple de libellé pour l'entraînement basé sur un modèle afin d'extraire la section supérieure d'un formulaire 1040. Il s'agit de la technique de libellé que vous devez utiliser pour l'entraînement basé sur un modèle pour les documents présentant des variations de mise en page.

Créer et évaluer un extracteur personnalisé avec le mode modèle

1. Créez un extracteur personnalisé. Créez un processeur et définissez les champs que vous souhaitez extraire en suivant les bonnes pratiques, ce qui est important, car cela a un impact sur la qualité de l'extraction.

2. Définissez l'emplacement de l'ensemble de données. Sélectionnez le dossier d'options par défaut (géré par Google). Cela peut être fait automatiquement peu de temps après la création du processeur.

3. Accédez à l'onglet Compilation, puis sélectionnez Importer des documents avec l'étiquetage automatique activé. Ajouter plus de documents que le nombre minimal de trois requis n'améliore généralement pas la qualité de l'entraînement basé sur un modèle. Au lieu d'en ajouter, concentrez-vous sur l'étiquetage très précis d'un petit ensemble.

   Remarque :Vous pouvez effectuer des tests en augmentant la taille de l'ensemble d'entraînement si vous observez des variations de modèle dans votre ensemble de données. Essayez d'inclure au moins trois documents de formation par variante. Au moins trois documents d'entraînement, trois documents de test et trois étiquettes de schéma sont requis par ensemble.

4. Élargissez les cadres de délimitation. Ces cases pour le mode modèle doivent ressembler aux exemples précédents. Élargissez les rectangles de délimitation en suivant les bonnes pratiques pour obtenir un résultat optimal.

5. Entraîner le modèle

   1. Sélectionnez Entraîner une nouvelle version.
   2. Attribuez un nom à la version du processeur.
   3. Accédez à Afficher les options avancées, puis sélectionnez l'approche de modèle basée sur un modèle.

   

   Remarque :L'entraînement prend un certain temps.

6. Évaluation.

   1. Accédez à Évaluer et tester.
   2. Sélectionnez la version que vous venez d'entraîner, puis Afficher l'évaluation complète.

   

   Des métriques telles que le score F1, la précision et le rappel s'affichent désormais pour l'ensemble du document et chaque champ. 1. Déterminez si les performances répondent à vos objectifs de production. Si ce n'est pas le cas, réévaluez les ensembles d'entraînement et de test.

7. Définissez une nouvelle version comme version par défaut.

   1. Accédez à Gérer les versions.
   2. Sélectionnez le menu des paramètres, puis cochez la case Définir comme par défaut.

   

   Votre modèle est désormais déployé, et les documents envoyés à cet outil de traitement utilisent votre version personnalisée. Vous souhaitez évaluer les performances du modèle (découvrez comment procéder) pour vérifier s'il nécessite un nouvel entraînement.

Référence d'évaluation

Le moteur d'évaluation peut effectuer une correspondance exacte ou une correspondance proche. Pour une correspondance exacte, la valeur extraite doit correspondre exactement à la vérité terrain, sinon elle est comptabilisée comme une erreur.

Les extractions de correspondance floue qui présentent de légères différences, comme des différences de casse, sont toujours comptabilisées comme des correspondances. Vous pouvez modifier ce paramètre sur l'écran Évaluation.

Étiquetage automatique avec le modèle de base

Le modèle de fondation peut extraire avec précision des champs à partir de types de documents divers, mais vous pouvez également fournir des données d'entraînement supplémentaires afin d'améliorer sa précision pour des structures de documents spécifiques.

Document AI utilise les noms d'étiquettes que vous avez définis et les annotations précédentes pour faciliter et accélérer l'étiquetage des documents à grande échelle grâce à l'étiquetage automatique.

1. Une fois que vous avez créé un processeur personnalisé, accédez à l'onglet Premiers pas.

2. Sélectionnez Créer un champ.

   Remarque :Le nom de l'étiquette avec le modèle de base peut avoir un impact important sur la justesse et les performances du modèle. Veillez à lui attribuer un nom descriptif.

   

3. Accédez à l'onglet Compilation, puis sélectionnez Importer des documents.

   

4. Sélectionnez le chemin d'accès des documents et l'ensemble dans lequel ils doivent être importés. Cochez la case d'étiquetage automatique, puis sélectionnez le modèle de fondation.

5. Dans l'onglet Build (Créer), sélectionnez Manage dataset (Gérer l'ensemble de données). Vos documents importés devraient s'afficher. Sélectionnez l'un de vos documents.

   

6. Les prédictions du modèle sont mises en surbrillance en violet. Vous devez examiner chaque étiquette prédite par le modèle et vous assurer qu'elle est correcte. Si des champs sont manquants, vous devez également les ajouter.

   Remarque :Il est important que tous les champs soient aussi précis que possible, sinon les performances du modèle seront affectées. Pour en savoir plus sur l'ajout de libellés, consultez la page

   

7. Une fois le document examiné, sélectionnez Marquer comme étiqueté.

8. Le document est maintenant prêt à être utilisé par le modèle. Assurez-vous que le document se trouve dans l'ensemble de test ou d'entraînement.