Machine Learning Extractor

Was ist der Machine Learning Extractor

Der Machine Learning Extractor ist ein Datenextraktionstool, das Machine-Learning-Modelle verwendet, um Daten zu identifizieren und zu melden, die extrahiert werden sollen.

This activity is the companion to UiPath Document Understanding Models, as the means to consume such models within your workflows.

The ML approach is strongly recommended for structured or semi-structured documents in which the layouts of different document providers vary greatly. Given its machine learning approach, the extractor uses a trained machine learning model, that learns and can then infer values for the targeted fields, even from documents and layouts it has never seen before. In other words, if documents do not follow a text or layout pattern, the Machine Learning Extractor may be a good option for your use case.

Das Machine-Learning-Modell kann auf mehrere Arten verwendet werden:

• Mit einem der öffentlichen Document Understanding-Endpunkte von UiPath, wenn Sie generische Modelle verwenden möchten, die auf bestimmte Dokumenttypen abzielen; oder
• Mit benutzerdefinierten trainierten Machine-Learning-Modellen beginnend bei den verfügbaren UiPath Document Understanding-Modellen.

This extractor can be trained / re-trained. See the How to Train section for details.

Wichtig:

Bilder mit einer Auflösung von weniger als 50 x 50 Pixeln können nicht verarbeitet und verursachen einen Fehler.

Spezielle Anforderungen

Sie müssen verwenden:

• Einen der öffentlichen Document Understanding-Endpunkte von UiPath für die Datenextraktion oder
• Machine-Learning-Modelle, die im AI Center in Automation Cloud gehostet werden, oder
• Machine-Learning-Modelle, die im lokalen AI Center gehostet werden, aber über Automation Cloud lizenziert sind, Sie müssen Ihren Automation Cloud Document Understanding API-Schlüssel verwenden.

Um den Machine Learning Extractor mit lokaler Lizenzierung zu verwenden, müssen Sie Ihre Document Understanding-Modelle in Ihrer lokalen AI Center-Instanz (Air-Gap-Installation) hosten.

Konfigurieren

Aktivitätskonfiguration

Wenn der von Ihnen verwendende Endpunkt über Automation Cloud lizenziert ist, müssen Sie den Document Understanding API-Schlüssel der Cloud angeben.

Wenn Sie den Machine Learning Extractor mit einem öffentlichen UiPath Document Understanding-Endpunkt oder mit einer öffentlichen ML-Fähigkeit im AI Center verwenden, müssen Sie das Endpunkt-Argument der Aktivität mit der entsprechenden URL konfigurieren.

Wenn Sie den Machine Learning Extractor mit einer bereitgestellten ML-Fähigkeit verwenden, müssen Sie das ML-Fähigkeit-Argument der Aktivität mit der richtigen Auswahl von der AI Center-gehosteten ML-Fähigkeitenliste konfigurieren.

Wenn Sie versuchen, beide Optionen festzulegen, wird ein Fehler angezeigt – entweder im Konfigurationsassistenten oder direkt im Workflow:

Konfigurieren der ML Extractor-Funktionen

Wenn der Machine Learning Extractor zum ersten Mal in Data Extraction Scope abgelegt wird, wird ein Konfigurationsassistent geöffnet. Der gleiche Assistent ist verfügbar, wenn Sie den Assistenten Extraktoren konfigurieren von Data Extraction Scope öffnen und auf das Konfigurationssymbol unter dem Namen des Extraktors klicken.

Mit dem Assistenten können Sie einen Endpunkt oder eine ML-Fähigkeit eingeben und (falls erforderlich) einen ApiKey bereitstellen. Wenn Sie einen Endpunkt und einen ApiKey eingeben, müssen Sie sie ohne Anführungszeichen eingeben – und die Werte dürfen keine Variablen sein.

Wenn Sie möchten, können Sie die Option „Aktivitätsargumente aktualisieren“ verwenden, um die Aktivitätsargumente vorab mit den im Assistenten hinzugefügten Werten aufzufüllen.

Wenn Sie auf die Option „Funktionen abrufen“ klicken, „liest und meldet“ der Machine Learning Extractor seine internen Funktionen (welche Dokumenttypen und welche Felder er verarbeiten kann), um Sie bei der richtigen Konfiguration der Datenextraktion zu unterstützen.

Es wird empfohlen, den Assistenten für die ML Extractor-Funktionen jedes Mal zu verwenden, wenn Sie die in Ihrem Workflow verwendete ML-Fähigkeit oder den Endpunkt ändern, um sicherzustellen, dass die Konfiguration und Taxonomiezuordnung in Data Extraction Scope korrekt bleibt.

Konfigurieren von ML Extractor im Data Extraction Scope

Wenn der Assistent für die ML Extractor-Funktionen ausgeführt wird, werden Sie feststellen, dass der Assistent „Extraktoren konfigurieren“ keine Textfelder mehr für die Taxonomiezuordnung enthält, sondern Dropdownlisten.

Erweitern Sie den Dokumenttyp, für den Sie Daten extrahieren möchten, und beginnen Sie mit der Auswahl der erforderlichen Felder, indem Sie die Kontrollkästchen neben den entsprechenden Feldern aktivieren und in der verfügbaren Dropdownliste das richtige Feld vom ML-Modell auswählen, das Sie den einzelnen Feldern zuordnen möchten. Die Dropdownliste enthält alle Felder, die der Machine Learning Extractor mithilfe des im Machine Learning Extractor-Assistenten eingegebenen Endpunkts als Extraktionsfunktion deklariert.

Um zu überprüfen, ob Sie die neuesten Funktionen des Extraktors verwenden, können Sie auf Extraktor-Funktionen abrufen oder aktualisieren klicken, wodurch der Assistent Machine Learning Extractor geöffnet wird.

Wichtig:

Sie können nicht dieselbe Option für zwei verschiedene Felder auswählen.

Wenn Sie auch die Trainingsfunktionen des Extraktors verwenden möchten, wird dringend empfohlen, im Konfigurationsfeld Framework Alias einen eindeutigen alphanumerischen String-Wert einzugeben und dann genau den gleichen String-Wert im entsprechenden Framework Alias-Feld der Train Extractors Scope-Konfiguration für die Trainer zu verwenden, welche die vollständigen Trainingsdaten erhalten müssen.

Wählen Sie die Schaltfläche Speichern aus, sobald alle Daten richtig konfiguriert sind.

Wie trainiert wird

Use the Machine Learning Extractor Trainer activity within a Train Extractors Scope, in order to collect training data for your Machine Learning Extractor model instance. The thus collected data can be used for curation and then importing for the purpose of training, in your instance of AI Center (Cloud or on-premises).