Facturas reordenadas con un campo adicional

Importante:

El objetivo de esta página es ayudar a los usuarios primerizos a familiarizarse con Document Understanding^TM.

For scalable production deployments, we strongly recommend using the Document Understanding Process available in UiPath® Studio under the Templates section.

Esta guía rápida te muestra cómo reentrenar el modelo listo para usar ML de Facturas para extraer un campo más.

Let’s use the same workflow we used for the receipts in the previous quickstart and modify it so it can support invoices.

Para ello, debemos realizar los siguientes pasos en nuestro flujo de trabajo:

1. Modificar taxonomía
2. Añadir un clasificador
3. Añadir un extractor con aprendizaje automático
4. Etiquetar datos
5. Reentrenar el modelo ML de facturas

1. Modificar taxonomía

En este paso, debemos modificar la taxonomía para añadir el tipo de documento de factura.

To do so, open Taxonomy Manager and create group named Semi Structured Documents, a category named Finance, a document type named Invoices. Create the listed fields with user friendly names along with respective data types.

• nombre: Text
• dirección del proveedor: Address
• billing-name - Text
• billing-address - Address
• shipping-address - Address
• invoice-no - Text
• po-no - Text
• vendor-vat-no - Text
• fecha: Date
• tax - Number
• total: Number
• payment-terms - Text
• net-amount - Number
• due-date - Date
• discount - Number
• shipping-charges - Number
• payment-addr - Address
• descripción: Text
• elementos: Table
  • descripción: Text
  • cantidad: Number
  • precio unitario: Number
  • importe de línea: Number
  • item-po-no - Text
  • line-no - Text
  • part-no - Text
  • billing-vat-no - Text

2. Añadir un clasificador

En este paso, tenemos que añadir un clasificador para poder procesar tanto los recibos como las facturas con nuestro flujo de trabajo.

Dado que nuestro flujo de trabajo ahora admite dos tipos de documentos, Recibos y Facturas, hemos de añadir el clasificador para diferenciar entre los diferentes tipos de documento que nos llega como entrada:

1. Añade un ámbito de clasificación de documento después de la actividad Digitalizar documento y proporciona DocumentPath, DocumentText, DocumentObjectModel y Taxonomy como argumentos de entrada y captura los ClassificationResults en una nueva variable. Necesitamos esta variable para comprobar qué documento(s) estamos procesando.

2. We also need to specify one or more classifiers. In this example, we are using the Intelligent Keyword Classifier. Add it to the Classify Document Scope activity.

   This page helps you take an educated decision on what classification method you should use in different scenarios.

3. Train the classifier as described here.

4. Configura el clasificador habilitándolo para ambos tipos de documentos.

5. Dependiendo de tu caso de uso, es posible que desees validar la clasificación. Puedes hacerlo utilizando las actividades Presentar estación de clasificación o Crear acción de clasificación de documentos y Esperar la acción de clasificación de documentos y reanudar .

3. Añadir un extractor con aprendizaje automático

In this step, we need to add a Machine Learning Extractor to the Data Extraction Scope activity and connect it to the Invoices public endpoint.

El procedimiento es exactamente el mismo que para el anterior extractor con aprendizaje automático de recibos que hemos añadido antes:

1. Añade una actividad Extractor con aprendizaje automático a la vez que Extractor de recibos con aprendizaje automático.

2. Proporciona el punto final público de Facturas , es decir, https://du.uipath.com/ie/invoices, y una clave API para el extractor.

3. Configura el extractor para que opere con facturas asignando los campos creados en el Gestor de taxonomía a los campos disponibles en el modelo ML:

   

4. No olvides utilizar la variable de resultados de la clasificación generada por Clasificar ámbito de documento como entrada al ámbito de extracción de datos, en lugar de especificar un ID de tipo de documento.

   Deberías terminar con algo como lo siguiente:

   

5. Ejecuta el flujo de trabajo para comprobar que funciona correctamente con las facturas.

4. Etiquetar datos

Necesitamos etiquetar los datos antes de reentrenar el modelo ML para Facturas que soporte el nuevo campo IBAN.

1. Collect the requirements and sample invoice documents in sufficient volume for the complexity of the usecase you need to solve. Label 50 pages, as explained on this documentation page.

2. Obtén acceso a una instancia del Administrador de documentos, ya sea localmente o en AI Center en la nube. Asegúrate de que cuentas con los permisos necesarios para utilizar Document Manager.

3. Crea un proyecto de AI Center y ve a Etiquetado de datos > UiPath Document Understanding y crea una sesión de Etiquetado de datos.

4. Configure an OCR Engine as described here, try importing a diverse set of your production documents and make sure that the OCR engine reads the text you need to extract.

   More suggestions in this section. Only proceed to next step after you have settled on a OCR engine.

5. Create a fresh Document Manager session, and import a Training set and an Evaluation set, while making sure to check the Make this a Test set checkbox when importing the Evaluation set. More details about imports here.

6. Create and configure the IBAN field as described here. More advanced guidelines are available in this section.

7. Label a Training dataset and an Evaluation dataset as described here. The prelabeling feature of Document Manager described here can make the labeling work a lot easier.

8. Export first the Evaluation set and then the Training set to AI Center by selecting them from the filter dropdown at the top of the Document Manager view. More details about exports here.

A continuación, vamos a crear nuestro modelo, reentrenarlo e implementarlo.

5. Reentrenar el modelo ML de facturas

Ahora que nuestro flujo de trabajo admite el procesamiento de facturas, necesitamos extraer el IBAN de nuestras facturas, ya que es un campo que no se obtiene de manera predeterminada por el modelo ML Facturas listo para usar. Eso significa que tenemos que volver a entrenar un nuevo modelo, partiendo del de base.

1. Create an ML Package as described here. If your document type is different from the ones available out-of-the-box, then choose the DocumentUnderstanding ML Package. Otherwise, use the package closest to the document type you need to extract.
2. Create a Training Pipeline as described here using the Input dataset which you exported in the previous section from Document Manager.
3. When the training is done and you have package minor version 1, run an Evaluation Pipeline on this minor version and inspect the evaluation.xlsx side by side comparison. Use the detailed guidelines here.
4. Si los resultados de la evaluación son satisfactorios, ve a la vista de habilidades ML y crea una habilidad ML utilizando la nueva versión menor del paquete ML. Si quieres usarlo para hacer el preetiquetado en el Administrador de Documentos, debes seleccionar el botón Modificar implementación actual en la parte superior derecha de la vista Habilidad ML y activar Hacer pública la habilidad ML.
5. Tras crear la habilidad ML, tenemos que consumirla en Studio. La forma más sencilla de hacerlo es hacer pública la habilidad ML como se describe aquí. Entonces, lo único que queda por hacer es simplemente reemplazar el punto de conexión público del modelo ML Facturas que hemos añadido inicialmente al extractor con aprendizaje automático en nuestro flujo de trabajo con el punto de conexión público de la habilidad ML.
6. Si ejecutas el flujo de trabajo, deberías ver que el campo IBAN recién añadido se extrae junto con los campos de las facturas predeterminados.

Descargar ejemplo

Descarga este proyecto de ejemplo utilizando este enlace. Debes cambiar el Extractor de aprendizaje automático para facturas del modo Punto final a tu habilidad ML entrenada.