Extracción basada en la personalización

El entrenamiento y la extracción de modelos personalizados te permiten crear tu propio modelo diseñado específicamente para tus documentos sin usar IA generativa. Es ideal si no quieres usar IA generativa y deseas controlar todos los aspectos del modelo entrenado.

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 la facturación y la API de Document AI.

Cómo compilar y evaluar un modelo personalizado

Comienza por compilar y, luego, evaluar un procesador personalizado.

1. Crea un procesador y define los campos que deseas extraer, lo que es importante porque afecta la calidad de la extracción.

   Nota: El procesador predeterminado es un modelo de base.

2. Establece la ubicación del conjunto de datos: Selecciona la carpeta de la opción 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 (consulta Etiquetado automático con el modelo de base). Necesitas un mínimo de 10 documentos en el conjunto de entrenamiento y 10 en el conjunto de prueba para entrenar un modelo personalizado.

4. Entrena el modelo:

   1. Selecciona Entrenar versión nueva y asigna un nombre a la versión del procesador.
   2. Ve a Mostrar opciones avanzadas y selecciona la opción Basada en modelos.

   

   Nota: El entrenamiento tarda un tiempo en completarse.

5. Evaluación:

   • Ve a Evaluar y probar, 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.
   • Decide si el rendimiento cumple con tus objetivos de producción. De lo contrario, vuelve a evaluar los conjuntos de entrenamiento y prueba, por lo general, agregando documentos al conjunto de prueba de entrenamiento que no se analizan bien.

6. Establece una versión nueva como la predeterminada.

   1. Navega a Administrar versiones.
   2. Navega al menú y, luego, selecciona Establecer como predeterminado.

   

Tu modelo ya se implementó, y los documentos que se envían a este procesador ahora usan tu versión personalizada. Quieres evaluar el rendimiento del modelo 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 etiquetar documentos a gran escala con el etiquetado automático.

1. Cuando hayas creado un procesador personalizado, ve a la pestaña Comenzar.
2. Selecciona Crear nuevo campo.
3. Proporciona un nombre descriptivo y completa el campo de descripción. La descripción de la propiedad te permite proporcionar contexto, información y conocimientos previos adicionales para cada entidad para mejorar la precisión y el rendimiento de la extracción.

Nota: Algunos buenos ejemplos de descripciones de propiedades incluyen información de ubicación y patrones de texto de los valores de la propiedad, que ayudan a desambiguar posibles fuentes de confusión en el documento y guían al modelo con reglas que garantizan extracciones más confiables y coherentes, independientemente de la estructura específica del documento o las variaciones de contenido.

1. Navega a la pestaña Build y, luego, selecciona Importar documentos.

   

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

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

   

Ahora verás las predicciones del modelo destacadas en púrpura.

1. Revisa cada etiqueta que predijo el modelo y asegúrate de que sea correcta. Si faltan campos, agrégalos también.

Nota: Es importante que todos los campos sean lo más precisos posible, de lo contrario, el rendimiento del modelo podría afectar los resultados. Más detalles sobre el etiquetado.

1. Después de revisar el documento, selecciona Marcar como etiquetado. El documento ya está listo para que lo use el modelo. Asegúrate de que el documento esté en el conjunto de Pruebas o Entrenamiento.