Extracción basada en plantillas

Puedes entrenar un modelo de alto rendimiento con tan solo tres documentos de entrenamiento y tres de prueba para casos de uso de diseño fijo. Acelera el desarrollo y reduce el tiempo de producción para los tipos de documentos con plantillas, como W9, 1040, ACORD, encuestas y cuestionarios.

Configuración del conjunto de datos

Se requiere un conjunto de datos de documentos para entrenar, enriquecer o evaluar una versión del procesador. Los procesadores de Document AI aprenden de ejemplos, al igual que las personas. El conjunto de datos alimenta la estabilidad del procesador en términos de rendimiento.

Conjunto de datos de entrenamiento

Para mejorar el modelo y su precisión, entrena un conjunto de datos en tus documentos. El modelo está compuesto por documentos con verdad fundamental. Necesitas un mínimo de tres documentos para entrenar un modelo nuevo.

La verdad fundamental son los datos etiquetados de forma correcta, según lo que determinen las personas.

Conjunto de datos de prueba

El conjunto de datos de prueba es lo que el modelo usa para generar una puntuación F1 (exactitud). Se compone de documentos con verdad fundamental. Para ver con qué frecuencia el modelo tiene razón, se usa la verdad fundamental para comparar las predicciones del modelo (campos extraídos del modelo) con las respuestas correctas. El conjunto de datos de prueba debe tener al menos tres documentos.

Antes de comenzar

Si aún no lo hiciste, habilita lo siguiente:

• Facturación
• API de Document AI

Prácticas recomendadas para el etiquetado en modo de plantilla

El etiquetado adecuado es uno de los pasos más importantes para lograr una alta precisión. El modo de plantilla tiene una metodología de etiquetado única que difiere de otros modos de entrenamiento:

• Dibuja cuadros de límite alrededor de toda el área en la que esperas que se encuentren los datos (por etiqueta) dentro de un documento, incluso si la etiqueta está vacía en el documento de entrenamiento que estás etiquetando.
• Puedes etiquetar campos vacíos para el entrenamiento basado en plantillas. No etiquetes campos vacíos para el entrenamiento basado en modelos.

Recomendado. Ejemplo de etiquetado para el entrenamiento basado en plantillas para extraer la sección superior de un 1040.

No se recomienda. Ejemplo de etiquetado para el entrenamiento basado en plantillas para extraer la sección superior de un 1040. Esta es la técnica de etiquetado que debes usar para el entrenamiento basado en modelos de documentos con variación de diseño entre documentos.

Compila y evalúa un extractor personalizado con el modo de plantilla

1. Crea un extractor personalizado. Crea un procesador y define los campos que deseas extraer siguiendo las prácticas recomendadas, lo que es importante porque afecta la calidad de la extracción.

2. Establece la ubicación del conjunto de datos. Selecciona la carpeta de opciones predeterminada (administrada por Google). Esto se puede hacer automáticamente poco después de crear el procesador.

3. Navega a la pestaña Build y selecciona Import documents con el etiquetado automático habilitado. Por lo general, agregar más documentos que el mínimo de tres necesarios no mejora la calidad del entrenamiento basado en plantillas. En lugar de agregar más, enfócate en etiquetar un conjunto pequeño con mucha precisión.

   Nota: Puedes experimentar aumentando el tamaño del conjunto de entrenamiento si observas variaciones de plantillas en tu conjunto de datos. Intenta incluir al menos tres documentos de entrenamiento por variación. Se requieren al menos tres documentos de entrenamiento, tres documentos de prueba y tres etiquetas de esquema por conjunto.

4. Extender los cuadros de límite Estos cuadros para el modo de plantilla deberían verse como los ejemplos anteriores. Extiende los cuadros delimitados siguiendo las prácticas recomendadas para obtener el mejor resultado.

5. Entrenamiento de modelos

   1. Selecciona Entrenar una versión nueva.
   2. Asigna un nombre a la versión del procesador.
   3. Ve a Mostrar opciones avanzadas y selecciona el enfoque de modelo basado en plantillas.

   

   Nota: El entrenamiento tarda un tiempo en completarse.

6. Evaluación.

   1. Ve a Evalúa y prueba.
   2. Selecciona la versión que acabas de entrenar y, luego, Ver evaluación completa.

   

   Ahora, verás métricas como F1, precisión y recuperación para todo el documento y cada campo. 1. Decide si el rendimiento cumple con tus objetivos de producción y, de no ser así, vuelve a evaluar los conjuntos de entrenamiento y prueba.

7. Establece una versión nueva como la predeterminada.

   1. Navega a Administrar versiones.
   2. Selecciona para ver el menú de configuración y, luego, marca Establecer como predeterminado.

   

   Tu modelo ya se implementó, y los documentos que se envían a este procesador usan tu versión personalizada. Quieres evaluar el rendimiento del modelo (más detalles sobre cómo hacerlo) para comprobar si requiere más entrenamiento.

Referencia de evaluación

El motor de evaluación puede realizar la concordancia exacta o la concordancia aproximada. Para que se produzca una coincidencia exacta, el valor extraído debe coincidir exactamente con la verdad fundamental o se registrará como una omisión.

Las extracciones de concordancia aproximada que tenían diferencias leves, como diferencias en el uso de mayúsculas, aún se cuentan como coincidencias. Esto se puede cambiar en la pantalla Evaluación.

Etiquetado automático con el modelo de base

El modelo de base puede extraer campos con exactitud para una variedad de tipos de documentos, pero también puedes proporcionar datos de entrenamiento adicionales para mejorar la precisión del modelo para estructuras de documentos específicas.

Document AI usa los nombres de etiquetas que tú defines y las anotaciones anteriores para que sea más fácil y rápido etiquetar documentos a gran escala con el etiquetado automático.

1. Después de crear un procesador personalizado, ve a la pestaña Comenzar.

2. Selecciona Crear campo nuevo.

   Nota: El nombre de la etiqueta con el modelo de base puede afectar en gran medida la precisión y el rendimiento del modelo. Asegúrate de asignar un nombre descriptivo.

   

3. Navega a la pestaña Build y, luego, selecciona Import documents.

   

4. Selecciona la ruta de los documentos y el conjunto al que se deben importar. Marca la casilla de verificación de etiquetado automático y selecciona el modelo de base.

5. En la pestaña Build, selecciona Manage dataset. Deberías ver tus documentos importados. Selecciona uno de tus documentos.

   

6. Verás las predicciones del modelo destacadas en púrpura. Debes revisar cada etiqueta que predijo el modelo y asegurarte de que sea correcta. Si faltan campos, también debes agregarlos.

   Nota: Es importante que todos los campos sean lo más precisos posible, de lo contrario, se verá afectado el rendimiento del modelo. Para obtener más detalles sobre el etiquetado, consulta el artículo correspondiente.

   

7. Una vez que hayas revisado el documento, selecciona Marcar como etiquetado.

8. El documento ya está listo para que lo use el modelo. Asegúrate de que el documento esté en el conjunto de prueba o entrenamiento.