Extractor inteligente de formularios

Qué es el Extractor inteligente de formularios

El Extractor inteligente de formularios es una herramienta especializada en el procesamiento de documentos de diseño fijo para la extracción de datos, que se basa en el Extractor de formularios y añade capacidades adicionales, tales como:

• reconocimiento de la escritura manual y extracción de datos manuscritos,
• detección de firmas.

Las características adicionales del Extractor inteligente de formularios, en comparación con el Extractor de formularios, lo convierten en una herramienta muy adecuada para procesar todo tipo de formularios que:

• pueden estar impresos o escritos a mano,
• requerir comprobar si el formulario está firmado o no.

Estas dos características adicionales pueden configurarse desde el asistente del Gestor de plantillas de la actividad, además de las configuraciones ya presentes en el Extractor de formularios.

Este extractor no tiene capacidad de aprendizaje (entrenamiento) y requiere una configuración de antemano.

Nota:

Más información relacionada con el Extractor inteligente de formularios:

• Intelligent Form Extractor activity page
• Taxonomy Manager - setup instructions
• Template Manager wizard - setup instructions
• Ejemplo de flujo de trabajo basado en anclajes

Requisitos especiales

Para utilizar este extractor, debes utilizar tu clave API de Automation Cloud Document Understanding o alojar tu propia instancia del Extractor inteligente de formularios en AI Center local.

Cómo configurar

Configuración de la actividad

El Extractor inteligente de formularios tiene dos configuraciones principales a tener en cuenta:

• El asistente del Gestor de plantillas, que permite definir las plantillas que se aplicarán a los documentos entrantes. Este asistente también habilita el Editor de plantillas y la configuración de interpretación de campos booleanos.
• La configuración PorcentajeMínimoDeSuperposición te permite controlar lo estricto que debe ser el ajuste del área de valores. Acepta un valor entre 0 y 100, y controla qué palabras se aceptan o rechazan para formar parte de un valor determinado, en función de lo bien que se ajuste su ubicación al área definida en la plantilla.

Asistente del Administrador de plantillas

Te permite crear, editar, gestionar y exportar/importar plantillas para los tipos de documento definidos en la taxonomía.

Crear una plantilla

1. Add an Intelligent Form Extractor activity to your workflow, within a Data Extraction Scope.

2. Configure the extractor by clicking on the Manage Templates button.

   • The Template Manager window opens.

     

3. Click the Create Template button for creating a new template.

   

4. Select the document type for your template from the Document Type dropdown list.

   Nota:

   All Document Types are based on the Taxonomy. Make sure to add or create a taxonomy inside the project's folder.

5. Add the name of the template in the Template name field. Choose a relevant name that reflects the version or the layout of your document.

6. Add the document's path in the Template document field.

   • Navigate to the file's path by using the Browse button.

7. Select an OCR from the OCR EnginesOCR Engine dropdown list, and configure it according to its needs.

8. Click the Configure button to trigger the template editing.

The OCR engine is applied only if necessary. If the document selected for building a template is a Native PDF, then no OCR engine is executed, unless the Force Apply OCR option is checked. If checked, the OCR is applied even on a native PDF file.

Each OCR engine comes with its own set of custom options. Here you can find more details about all options available for each OCR engine.

Si ya has creado una plantilla, esta puede editarse, exportarse o eliminarse.

Delete and Export buttons become available only when at least a template is selected. The Edit and Remove options for an individual template are always available.

Nota:

If a field is checked in both Signature and Handwritten boxes in the Template Manager of the Intelligent Form Extractor activity, then a popup message appears informing you that a field can be added only in one box, not both.

Configurar el procesamiento de campos booleanos

For the documents that include checkboxes, you can add known synonyms for the Yes and No options, or you can start from a list compiled by us (see the Add Recommended suggestions). These values are used for Boolean content interpretation, which is mapping a captured value to a Yes or No reported value.

Exportar e importar plantillas

You can import templates created and exported from other workflows. Use these features to share templates between projects. Once a document type is configured using the Intelligent Form Extractor, you don't need to reconfigure the templates in a new implementation.

Procedimiento de exportación

Estos son los pasos que debes seguir para exportar una plantilla:

1. Crea una o varias plantillas siguiendo los pasos explicados al principio de esta página.

2. Selecciona las plantillas que quieres exportar.

3. Select an Export option (with or without the original files) as shown in the below screenshot. Exporting with original files attaches them to the export.

   

4. Guarda el archivo de la plantilla con el nombre deseado.

5. A message is displayed once the template is saved. Select the OK button.

   

   Nota:

   Si no puedes compartir el contenido de los documentos con los que has creado tus plantillas, utiliza la opción "Sin archivos originales". Podrás seguir compartiendo e importando el archivo de plantilla en otros proyectos, pero ya no podrás editarlas ni verlas.

   Si quieres editar las plantillas una vez importadas en un proyecto diferente, asegúrate de utilizar la opción "Con archivos originales" al exportarlas y luego importarlas.

Procedimiento de importación

Estos son los pasos que debes seguir para importar una plantilla:

1. Select the Import button.

   

2. Select an archive. The import wizard appears and presents all document types and all templates available in the selected export archive. Select the templates you wish to import and choose the right Import option (with or without the original files).

   

   Nota:

   • Cuando se importan plantillas, los tipos de documento se crean automáticamente en la taxonomía del proyecto. Si un ya existe un tipo de documento con el mismo nombre, se creará otro añadiendo un número al nombre del tipo de documento.
   • Si estás importando plantillas que han sido exportadas sin los archivos originales, o si eliges importar plantillas sin los archivos originales, entonces no dispondrás de opciones de visualización o edición para esas plantillas.

Situaciones especiales al importar una plantilla

Cuando se importa una plantilla, pueden ocurrir varias situaciones especiales. En la tabla siguiente se explica cada situación y sus particularidades:

Tipo de importación	Comportamiento de la actividad
Tipo del nuevo documento	Si se importa un nuevo tipo de documento, se añade un nuevo campo en el configurador del asistente, que informará de que se va a crear una nueva plantilla.
Tipo de documento duplicado	Si se importa un tipo de documento idéntico, aparece el siguiente mensaje de advertencia: Esta plantilla ya existe y se sobreescribirá.
Plantilla ampliada	Si se importa un modelo de tipo de documento que incluye campos adicionales a los ya existentes, aparecerá el siguiente mensaje de advertencia: Este tipo de documento se actualizará como sigue a continuación: Los siguientes campos no existen y se van a crear.
Tipo de documento ampliado	Si el usuario importa un tipo de documento que incluye campos adicionales al ya existente, aparece el siguiente mensaje de advertencia: Este tipo de documento se actualizará como sigue a continuación: Los siguientes campos no tienen configuraciones para importar...
Tipo de documento con nombre idéntico pero distinto contenido	Si el usuario importa un tipo de documento que tiene el mismo nombre que el existente pero campos diferentes, aparece el siguiente mensaje de advertencia: Este tipo de documento se actualizará como sigue a continuación: Los siguientes campos no existen y van a ser creados; Los siguientes campos no tienen configuraciones para importar
Tipo de documento sin tabla	Si el usuario importa un tipo de documento que no incluye una tabla, aparece el siguiente mensaje de advertencia: Este tipo de documento se actualizará como sigue a continuación: Los siguientes campos no tienen configuraciones para importar.
Tipo de documento con tabla extendida	Si el usuario importa un tipo de documento que incluye una tabla con columnas adicionales, aparece el siguiente mensaje de advertencia: Este documento se actualizará de la siguiente manera: Los siguientes campos no existen y se van a crear.
Tipo de documento con tabla reducida	Si el usuario importa un tipo de documento que incluye una tabla a la que faltan columnas, aparece el siguiente mensaje de advertencia: Este documento se actualizará de la siguiente manera: Los siguientes campos no tienen configuraciones para importar...
Plantilla de tabla con diferentes tipos de documento	Si el usuario importa una plantilla de tipo de documento que incluye una tabla con diferentes tipos de documento, se creará una nueva plantilla. Si tu taxonomía incluye una tabla que tiene un campo con un tipo de documento diferente, aparece el siguiente mensaje: El campo con ID xyz se ha encontrado tanto en la taxonomía importada como en la taxonomía existente, pero sus tipos son incompatibles (ambos deberían ser tablas o bien ninguno de ellos).

Asistente del Editor de Plantillas

Consideraciones generales

The Template Editor is building on top of the functionality present in the Validation Station. Access it by clicking on the button of a template.

To learn about the basic usage of the Validation Station, read this section.

Besides the options available in the right part of the Validation Station screen, there are two options Template Editor specific:

Opción	Descripción
	Establece el modo de selección de anclaje
	Borra toda la selección de anclaje

When creating a new template, an explanation text appears when first opening the Template Editor. In case you want to access the text again, follow the steps below:

Configurar anclajes

Anchors can be defined once the Template Editor is opened from the Template Manager and can be found among the Selection Mode options.

When defining or editing a page-level template, although it is optional, the first thing that needs to be performed is the Page 1 Matching Info selection. This step is mandatory only for fixed form templates.

Situated on the left side of the screen, the Page 1 Matching Info selection requires a text input (tokens only are accepted) from the first page of the template that is always in the same position within that particular template layout and forms a unique graph of words (considering relative distances and angles between words) across all the templates defined for a particular document type.

In other words, the Page 1 Matching Info (and all other Page Matching Info fields) are "fingerprints" of a particular page and are extensively used in identifying the right matching template at runtime.

For this reason, for the Page 1 Matching Info field, it is strongly recommended to select 10 to 20 words, preferably longer in length, spread across the entire page area.

The other Page Matching Info fields (one for each template page) must be filled in only if you are attempting data extraction from that particular page, and do not require cross-template uniqueness anymore. If no fields need to be extracted from a particular page, defining the page-level matching info for that page is not mandatory.

Configurar campos simples

For all fields other than Tables, configuring the template consists of selecting a Custom Area and assigning it to a particular field.

For fixed form configurations, data fields can only be configured using Custom Area selections.

For a field you can define one or more such Custom Areas, using the (+) button. If two or more Custom Areas are defined for a single field, then at runtime, if the field is defined in the Taxonomy as Single Value, all values are concatenated into a single reported value. If the field is defined as Multi Value, then each value is reported individually.

The below animation shows the difference between a Tokens and a Custom Area selection:

El icono que aparece junto a cada campo indica el tipo de selección admitida:

Nota:

If an empty area is selected, the selection is automatically set as Custom area. If text is detected inside the selected area, you are asked to choose the type of the selection between Tokens or Custom area.

Use the Validation Station selection mode feature to lock your selection between Tokens and Custom Areas.

Configurar tablas

As mentioned above, there are fields where information can be added only by using Tokens (like the Page Matching Info fields) or only by using a Custom Area (like simple fields). For Table fields, you can:

• define each cell one by one, once the Table Editor is expanded - by adding Custom Area selection to each cell individually, or
• utiliza la funcionalidad de marcado de tablas que marca el área de la tabla, dibuja separadores de filas y columnas, y luego, asigna la tabla así marcada al campo. Asegúrate de que el área extraída tiene el mismo número de columnas y filas que el área de la plantilla.

En la animación siguiente se explica cómo utilizar la función de marcado de tablas:

Configuración de anclajes

Un método distintivo para definir los límites de un área personalizada de la que se extraerán datos es utilizar anclajes de campo. Estos permiten orientar la extracción de datos en función de las configuraciones a nivel de campo, lo que permite una mayor flexibilidad a la hora de definir las reglas de extracción de formularios.

Consequently, at run-time the Intelligent Form Extractor knows how to:

• identificar si coincide una plantilla de nivel de página, y extraer información acorde con la mejor correspondencia de plantilla de nivel de página que reconozca;
• identificar si coincide alguna configuración basada en anclajes, y extraer información según su aplicación en el documento que se va a procesar;
• calcular las puntuaciones de confianza adecuadas para todas las coincidencias posibles, a fin de poder notificar el mejor resultado (coincidencia de mayor probabilidad) de todas las opciones disponibles.

Crear una nueva configuración de anclaje

1. Make sure you are on the Anchor Selection mode.

2. Dibuja un cuadro alrededor del área de valor.

3. Selecciona una etiqueta (anclaje principal) para tu área de valor haciendo clic en la primera palabra y después, Ctrl+Clic en la última palabra de la selección, o haz clic, arrastra y suelta para capturar un rango de palabras.

   Nota:

   A Label can only contain consecutive words from the same visual line.

4. Selecciona los anclajes adicionales que identificarían de forma exclusiva tu etiqueta. Se aplica el mismo principio de selección.

5. Assign your anchor construct to the appropriate field by selecting Extract Value for that particular field.

   

   Nota:

   You can also use the example from here to learn how to create a template and define extraction areas and anchors.

Editar una configuración de anclaje existente

1. Selecciona la configuración de anclaje.

2. Realiza cambios en ella (borra cualquier anclaje, la etiqueta, incluso el área de valor si lo deseas, añade nuevos elementos, etc.).

3. Use the Change Extracted Value option to update your field association.

   

   Nota:

   • Si eliminas el área de destino, se borrarán todos los anclajes y tendrás que empezar de nuevo.
   • Si eliminas la Etiqueta (anclaje principal), el primer anclaje creado se convierte en la nueva Etiqueta.

Eliminar una configuración de anclaje existente

Para eliminar una configuración de anclaje, puedes:

• use the Mark as Missing options for a saved value

  

• use the Remove Value in case of a list of anchors defined for a given field

  

Mezclar y combinar configuraciones

Puedes definir tantas plantillas como quieras para el mismo tipo de documento. Puedes tener múltiples plantillas a nivel de página, múltiples anclajes para el mismo campo, incluso plantillas que contengan tanto anclajes a nivel de página como a nivel de campo.

Nota:

• A la hora de definir anclajes a nivel de campo, asegúrate de que tu etiqueta está próxima a tu área de valor y de que cuenta con anclajes adicionales si la misma construcción de texto puede encontrarse en varios lugares dentro del mismo documento.
• Cuanto más largas sean tus etiquetas y anclajes, mayor precisión obtendrás.
• El área de valor siempre se calcula en función de su posición relativa respecto a su etiqueta (anclaje principal).Así pues, elige tus anclajes principales en consecuencia.
• Disponer de anclajes a nivel de campo permite a los campos moverse dentro de la plantilla y seguir siendo captados, lo que ofrece mayor flexibilidad en los cambios de diseño del documento.