自訂擷取

您可以透過自訂模型訓練和擷取功能，自行建構專屬文件的模型，而無須使用生成式 AI。如果您不想使用生成式 AI，且想控制訓練模型的所有層面，這會是理想的做法。

資料集設定

如要訓練、進階訓練或評估處理器版本，必須使用文件資料集。Document AI 處理器會從範例學習，就像人類一樣。資料集可提升處理器效能方面的穩定性。

訓練資料集

如要改善模型和準確度，請使用文件訓練資料集。模型由真值文件組成。訓練新模型至少需要三份文件。

「實際資料」是指經過人工判定為正確標記的資料。

測試資料集

模型會使用測試資料集產生 F1 分數 (準確度)。這個資料集由含有實際值的文件組成。如要查看模型正確的頻率，請使用真值比較模型的預測結果 (從模型中擷取的欄位) 與正確答案。測試資料集至少須包含三份文件。

開始前

如果尚未啟用，請啟用帳單和 Document AI API。

建構及評估自訂模型

請先建構，然後評估自訂處理器。

1. 建立處理器，並定義要擷取的欄位，這很重要，因為這會影響擷取品質。

   注意： 預設的處理工具為基礎模型。

2. 設定資料集位置：選取預設選項資料夾「Google 代管」。這項作業可能會在建立處理器後不久自動完成。

3. 前往「Build」分頁，然後選取已啟用自動加上標籤功能的「Import Documents」 (請參閱「使用基礎模型自動加上標籤」)。訓練自訂模型時，訓練集中至少需要 10 份文件，測試集中則至少需要 10 份文件。

4. 訓練模型：

   1. 選取「訓練新版本」，並為處理器版本命名。
   2. 前往「顯示進階選項」，然後選取「以模型為準」選項。

   

   注意： 訓練作業需要一段時間才能完成。

5. 評估：

   • 前往「評估與測試」，選取剛訓練的版本，然後選取「查看完整評估」。

   

   • 您現在會看到整份文件和各個欄位的指標，例如 F1、精確度和召回率。
   • 判斷效能是否符合實際工作環境目標。如果不符合，請重新評估訓練和測試集，通常會在訓練測試集中加入難以剖析的文件。

6. 將新版本設為預設版本。

   1. 前往「管理版本」。
   2. 前往 選單，然後選取「設為預設」。

   

模型現在已部署，且傳送至此處理器的文件現在會使用您的自訂版本。您想評估模型的效能，看看是否需要進一步訓練。

評估參考資料

評估引擎可執行完全比對或模糊比對。在完全比對的情況下，擷取的值必須與實際值完全相符，否則會計為遺漏。

模糊比對擷取結果如果有細微差異 (例如大小寫差異)，仍會視為符合條件。您可以在「評估」畫面變更這項設定。

使用基礎模型自動加上標籤

基礎模型能精準地擷取各種文件類型的欄位，但您也可以提供其他訓練資料，提高模型處理特定文件結構的準確率。

Document AI 會使用您定義的標籤名稱和先前的註解，透過自動加上標籤功能為大量文件加上標籤。

1. 建立自訂處理器後，請前往「開始使用」分頁。
2. 選取「建立新欄位」。
3. 請提供描述性名稱，並填寫說明欄位。您可以透過屬性說明為每個實體提供額外背景資訊、洞察資料和相關知識，以提升擷取準確度和效能。

注意： 資源說明的良好範例包括位置資訊和資源值的文字模式，有助於釐清文件中可能造成混淆的來源，並透過規則引導模型，確保無論特定文件結構或內容變化為何，都能擷取更可靠且一致的內容。

1. 前往「Build」分頁，然後選取「Import documents」。

   

2. 選取文件路徑，以及要匯入文件的集合。勾選自動加上標籤核取方塊，然後選取基礎模型。

3. 在「Build」分頁中，選取「Manage Dataset」。您應該會看到已匯入的文件。選取其中一份文件。

   

您現在會看到模型預測結果，以紫色標示。

1. 查看模型預測的每個標籤，確認標籤正確無誤。如果缺少欄位，請一併新增。

注意： 請務必確保所有欄位都盡可能準確，否則模型成效可能會影響結果。進一步瞭解標籤。

1. 文件審查完畢後，請選取「標示為已加上標籤」。文件現在已可供模型使用。確認文件位於測試或訓練集。