Extração baseada em modelo

É possível treinar um modelo de alto desempenho com apenas três documentos de treinamento e três de teste para casos de uso de layout fixo. Acelere o desenvolvimento e reduza o tempo de produção de tipos de documentos com modelos, como W9, 1040, ACORD, pesquisas e questionários.

Configuração do conjunto de dados

Um conjunto de dados de documentos é necessário para treinar, aprimorar o treinamento ou avaliar uma versão do processador. Os processadores da Document AI aprendem com exemplos, assim como os humanos. O conjunto de dados aumenta a estabilidade do processador em termos de desempenho.

Treinar conjunto de dados

Para melhorar o modelo e a precisão dele, treine um conjunto de dados nos seus documentos. O modelo é formado por documentos com informações empíricas. Você precisa de pelo menos três documentos para treinar um novo modelo.

As informações empíricas são os dados rotulados corretamente, conforme determinado por humanos.

Conjunto de dados de teste

O conjunto de dados de teste é o que o modelo usa para gerar uma pontuação F1 (precisão). Ele é formado por documentos com informações empíricas. Para saber com que frequência o modelo está certo, as informações empíricas são usadas para comparar as previsões do modelo (campos extraídos do modelo) com as respostas corretas. O conjunto de dados de teste precisa ter pelo menos três documentos.

Antes de começar

Se ainda não tiver feito isso, ative:

• Faturamento
• API Document AI

Práticas recomendadas de rotulagem no modo de modelo

A rotulagem adequada é uma das etapas mais importantes para alcançar alta precisão. O modo de modelo tem uma metodologia de rotulagem exclusiva que difere dos outros modos de treinamento:

• Desenhe caixas delimitadoras em torno de toda a área em que você espera que os dados estejam (por rótulo) em um documento, mesmo que o rótulo esteja vazio no documento de treinamento que você está marcando.
• Você pode rotular campos vazios para o treinamento baseado em modelos. Não rotule campos vazios para treinamento baseado em modelo.

Recomendado. Exemplo de rotulagem para treinamento baseado em modelo para extrair a seção superior de uma 1040.

Não recomendado. Exemplo de rotulagem para treinamento baseado em modelo para extrair a seção superior de uma 1040. Essa é a técnica de rotulação que você deve usar para o treinamento baseado em modelo para documentos com variação de layout.

Criar e avaliar um extrator personalizado com o modo de modelo

1. Crie um extrator personalizado. Crie um processador e defina os campos que você quer extrair seguindo as práticas recomendadas, o que é importante porque afeta a qualidade da extração.

2. Defina o local do conjunto de dados. Selecione a pasta de opções padrão (gerenciada pelo Google). Isso pode ser feito automaticamente logo após a criação do processador.

3. Acesse a guia Build e selecione Import documents com a rotulagem automática ativada. Adicionar mais documentos do que o mínimo de três necessários geralmente não melhora a qualidade do treinamento baseado em modelo. Em vez de adicionar mais, concentre-se em rotular um conjunto pequeno com muita precisão.

   Observação: aumente o tamanho do conjunto de treinamento se você notar variações de modelo no conjunto de dados. Tente incluir pelo menos três documentos de treinamento por variação. São necessários pelo menos três documentos de treinamento, três documentos de teste e três rótulos de esquema por conjunto.

4. Estender caixas delimitadoras. Essas caixas para o modo de modelo devem ter a mesma aparência dos exemplos anteriores. Estenda as caixas delimitadoras, seguindo as práticas recomendadas para o resultado ideal.

5. Treinar o modelo.

   1. Selecione Treinar nova versão.
   2. Nomeie a versão do processador.
   3. Acesse Mostrar opções avançadas e selecione a abordagem de modelo baseada em modelo.

   

   Observação: o treinamento leva algum tempo para ser concluído.

6. Avaliação.

   1. Acesse Avaliar e testar.
   2. Selecione a versão que você acabou de treinar e clique em Ver avaliação completa.

   

   Agora você vai encontrar métricas como F1, precisão e recall para o documento inteiro e cada campo. 1. Decida se a performance atende às suas metas de produção. Se não, reavalie os conjuntos de treinamento e teste.

7. Definir uma nova versão como padrão.

   1. Navegue até Gerenciar versões.
   2. Selecione para acessar o menu de configurações e marque Definir como padrão.

   

   Seu modelo agora está implantado, e os documentos enviados a esse processador usam sua versão personalizada. Você quer avaliar o desempenho do modelo (mais detalhes sobre como fazer isso) para verificar se ele precisa de mais treinamento.

Referência de avaliação

O mecanismo de avaliação pode fazer correspondências exatas ou inexactas. Para uma correspondência exata, o valor extraído precisa corresponder exatamente à informação empírica ou será contabilizado como uma falha.

As extrações de correspondência aproximada que tinham pequenas diferenças, como diferenças de maiúsculas e minúsculas, ainda são consideradas uma correspondência. Isso pode ser alterado na tela Avaliação.

Rotulagem automática com o modelo de base

O modelo de fundação extrai campos com precisão para diversos tipos de documentos, mas também é possível fornecer mais dados de treinamento para melhorar a acurácia do modelo em estruturas de documentos específicas.

O Document AI usa os nomes dos rótulos que você define e as anotações anteriores para facilitar e agilizar a identificação de documentos em grande escala com a rotulagem automática.

1. Depois de criar um processador personalizado, acesse a guia Começar.

2. Selecione Criar novo campo.

   Observação: o nome do rótulo com o modelo básico pode afetar muito a precisão e o desempenho do modelo. Dê um nome descritivo.

   

3. Navegue até a guia Build e selecione Import documents.

   

4. Selecione o caminho dos documentos e o conjunto em que eles serão importados. Marque a caixa de seleção "Rotulagem automática" e selecione o modelo de fundação.

5. Na guia Build, selecione Gerenciar conjunto de dados. Os documentos importados vão aparecer. Selecione um dos seus documentos.

   

6. As previsões do modelo aparecem em roxo. Você precisa analisar cada rótulo previsto pelo modelo e garantir que ele esteja correto. Se houver campos ausentes, adicione-os também.

   Observação: é importante que todos os campos sejam o mais precisos possível, ou a performance do modelo será afetada. Para mais detalhes sobre a rotulagem.

   

7. Depois que o documento for analisado, selecione Marcar como rotulado.

8. O documento está pronto para ser usado pelo modelo. Verifique se o documento está no conjunto de teste ou de treinamento.