Annoter des documents

Workflow d’annotation de document dans Document Understanding, couvrant la pré-annotation automatique à l’aide de modèles spécialisés et de définitions de schéma de champ après la configuration du projet.

Une fois que vous avez créé votre projet et chargé vos documents vers un type de document spécifique, ceux-ci sont automatiquement pré-annotés. Cela est réalisé à l’aide de modèles spécialisés basés sur le schéma du type de document. Le schéma permet de définir clairement les champs que vous souhaitez extraire d’un type de document particulier. Pour trouver le schéma du type de document, rendez-vous sur la page Annotation et consultez la section Champs.

Les prédictions sont indiquées par des soulignements dans le texte du document et ne peuvent pas être supprimées. S’ils sont incorrects et ne peuvent pas être associés à un champ particulier, vous pouvez les ignorer. Au cours du processus de formation, seuls les champs confirmés sont utilisés pour la formation, tandis que les soulignements ne sont pas pris en compte.

À mesure que vous ajoutez des annotations, les soulignements des prédictions devraient s’aligner progressivement sur votre entrée. Il peut y avoir quelques incohérences entre les champs soulignés et ceux annotés par l’utilisateur au début. Toutefois, à mesure que vous effectuez davantage d’annotations et que le modèle s’améliore, les soulignements devraient s’aligner plus précisément sur les données fournies par l’utilisateur.

Dans l’image suivante, la prédiction de l’adresse de livraison est incorrecte dans l’inclusion du nom de la personne.

Pour résoudre ce problème, il vous suffit de confirmer l’adresse de livraison. Il n’est pas nécessaire de supprimer le texte souligné associé au nom. Au fur et à mesure que vous annotez et que vous corrigez ces erreurs, les cas où le texte souligné ne s’aligne pas sur le champ confirmé devraient diminuer.

Remarque :

Pour déclencher l’entraînement du modèle, un minimum de 40 opérations sont nécessaires. Par exemple, si vous avez 20 documents, vous devrez annoter au moins 2 champs par document, ce qui conduit à un total de 40 opérations.

Astuce :

Afin d’optimiser les performances du modèle, suivez les suggestions de la section Recommandations . Ces suggestions ont été conçues pour améliorer les performances globales de votre modèle.

Fields included in the trained model

A field belongs to the document type schema as soon as it is defined, but it enters the trained model only when enough annotated documents support it. The threshold differs by field type.

Type de champ	Annotation required for inclusion
Extraction field	Annotated with a value in at least one document.
Classification field	At least two of its classes, each annotated in at least five documents.

Important :

Values marked as missing do not count toward inclusion. An extraction field is left out of the trained model if every one of its annotations is marked as missing, even though those documents appear as annotated in the Build section.

For a classification field, classes annotated in fewer than five documents are left out of the trained model. If fewer than two classes remain, the whole field is left out. This is separate from the requirement to define at least two classes when the field is created, described on the Build page.

Remarque :

Part of your annotated data is set aside automatically for validation, and only documents in the training set count toward these thresholds. Annotating more than the minimum keeps a class from falling short after the split.

Recommendations flag classification fields and classes that have too few annotations. For more information, see Measure.

Validation des documents prédits

Une fois tous les documents téléchargés et prédits, votre objectif est de valider ou de modifier les champs pré-annotés. Pour un document dont tous les champs sont prédits avec précision, sélectionnez Confirmer pour approuver tous les champs à la fois. Un document, une fois confirmé, sera signalé par un symbole de bouclier vert dans la liste des documents.

Si un document n’est que partiellement confirmé, il sera indiqué par un symbole de bouclier vide dans la liste des documents. Cela indique que le processus d’annotation de ce document est en cours. Votre objectif final doit être de veiller à ce que tous les documents aient été confirmés.

Vous pouvez rencontrer les scénarios suivants au moment de la validation :

• La prédiction est correcte et doit être validée.
• La prédiction n’est pas correcte et le champ est présent sur le document.
• La prédiction n’est pas correcte et le champ est absent du document.
• Il n’y a aucune prédiction.

La prédiction est correcte et doit être validée

Si la prédiction est exacte, vous pouvez la confirmer en sélectionnant le texte souligné et en choisissant Confirmer, ou en cochant la case de confirmation du champ. Toutefois, la méthode optimale consiste à appuyer sur la touche de raccourci affectée au champ (dans ce scénario, la touche « N »).

La prédiction est incorrecte et le champ est présent dans le document

Si la prédiction est incorrecte, sélectionnez le texte correct dans le document et le champ approprié dans la liste déroulante, puis sélectionnez Confirmer.

Lorsque vous travaillez avec des tables, vous pouvez choisir d’ignorer les valeurs prédites de manière incorrecte. Ces valeurs ne seront pas utilisées pour l’entraînement du modèle. Le modèle réentraîné apprendra à éviter de les prédire dans les itérations futures.

La prédiction est incorrecte et le champ est absent du document

Si la prédiction est incorrecte et que le champ est absent du document, sélectionnez l’icône à trois points ⁝ en regard du nom du champ et sélectionnez Marquer comme manquant.

Important :

Vous pouvez également marquer des champs incorrects comme manquants. Par exemple, si vous ne disposez pas de l’ adresse du fournisseur dans votre document, mais qu’un champ différent a été pré-labellisé comme adresse du fournisseur lors du traitement, vous pouvez simplement le marquer comme manquant lors de la validation.

Aucune prédiction

Les champs qui ne contiennent aucune prédiction s’affichent sous forme de cellules vides. Vous pouvez marquer ces cellules comme manquantes une par une ou en bloc en sélectionnant le bouton Confirmer.

Paramètres du type de document

Vous pouvez modifier les paramètres du type de document dans la vue Annoter .

Pour ce faire, sélectionnez l’icône à trois points ⁝ située à droite du nom du type de document, puis Paramètres.

Vous pouvez modifier les paramètres suivants :

• Modèle de base : les estimations de la taille de l’ensemble de données utilisées dans les actions recommandées dépendent du modèle de base utilisé pour l’entraînement. L’utilisation du modèle de base le plus similaire à votre type de document permettra de réduire la quantité de travail d’annotation requise.
• Nombre de langues : l’estimation de la taille de l’ensemble de données utilisée dans les actions recommandées dépend du nombre de langues dans l’ensemble de données. Un plus grand nombre de langues nécessite généralement d’annoter plus de données.