Intelligent Keyword Classifier

Qu'est-ce que le classificateur intelligent de mots clés

The Intelligent Keyword Classifier is a classifier that uses the word vector it learns from files of certain document types to perform document classification.

L'algorithme a été élaboré autour du concept de répétition du contenu du même type de document et part du principe que les types de documents ont une série de mots qui y apparaissent généralement, permettant ainsi le calcul de similarité vectorielle.

Lors de la classification d'un fichier dans un type de document, le classifieur de mots-clés intelligents (Intelligent Keyword Classifier) :

• trouve le vecteur de mot le plus proche d'un fichier,
• des rapports sur le type de document ayant obtenu le score le plus élevé, avec les principaux mots correspondants sous-jacents.

Le classifieur de mots-clés intelligents a également des capacités de division de fichiers, ce qui signifie qu'il peut signaler plus d'une classe pour un fichier donné et pour des plages de pages distinctes.

Quand l'utiliser

Nous vous conseillons d'utiliser ce classifieur si :

• vos fichiers contiennent un ou plusieurs types de documents dans un seul fichier
• vos types de documents sont relativement faciles à différencier au regard du contenu.

Exigences spécifiques

Vous devez utiliser votre clé d'API Automation Cloud Document Understanding ou héberger votre propre instance du classifieur de mots-clés dans AI Center sur site afin de l'utiliser.

Quelle configuration au moment de la conception

Vous pouvez configurer le classifieur de mots-clés intelligents (Intelligent Keyword Classifier) au moment de la conception en accédant simplement à l'assistant Gérer l'apprentissage (Manage Learning) de l'activité. Le même assistant peut servir à réviser les données collectées pendant la phase d'entraînement de la classification des documents en ouvrant le même assistant avec un chemin de fichier d'apprentissage mis à jour.

Cet assistant permet de configurer et de gérer les données d'entraînement utilisées par cette activité pour identifier le type de document et classer les documents. Il a été créé pour répondre au besoin de modifier un chemin de fichier. Si une option Learning Data avec une variable est utilisée à la place, elle vous sera demandée si vous souhaitez modifier un chemin de fichier spécifique ou abandonner cette opération.

Remarque :

The Manage Learning wizard only works when the activity is configured with a Learning File Path string. It does not work with a Learning File Path set as a variable input, or with a LearningData string input.

1. Ajoutez une activité Classifieur de mots-clés intelligents (Intelligent Keyword Classifier)/Outil d'entraînement des classifieurs de mots-clés intelligents (Intelligent Keyword Classifier Trainer) à votre workflow.

2. Configurez votre activité Intelligent Keyword Classifier en ajoutant le chemin d'un fichier .json.

   • Si aucun chemin n'est fourni et que l'option Gérer l'apprentissage (Manage Learning) est sélectionnée, une fenêtre contextuelle s'affiche, demandant une entrée Chemin d'accès au fichier d'apprentissage (Learning File Path). Une fois le chemin fourni, l'assistant s'ouvre.
   • Une variable peut être ajoutée à la place d'un fichier .json, mais, comme l'assistant ne peut pas appliquer le modèle d'apprentissage à une variable LearningData, il demande un chemin de fichier spécifique qui peut être modifié.

3. Cliquez sur l'option Gérer l'apprentissage (Manage Learning).

   • La fenêtre de l'assistant (Wizard) s'ouvre.

     

4. Si aucun chemin n'est fourni et que l'option Gérer l'apprentissage (Manage Learning) est sélectionnée, une fenêtre contextuelle s'affiche, demandant un chemin d'accès au fichier d'apprentissage (Learning File Path). Une fois le chemin fourni, l'assistant s'ouvre.

   

   Remarque :

   Même si aucun fichier .json n'est disponible, vous pouvez ajouter le nom d'un nouveau fichier .json directement dans l'activité et le fichier .json sera automatiquement créé dans le dossier spécifié.

La capture d'écran ci-dessous présente un type de document qui a été entraîné, un qui ne l'a pas été et un autre qui a été entraîné et ouvert pour être consulté ou supprimé.

For document types that have not been trained yet, design-time training can be performed using the Start Training option. For document types that already have some training, you can either delete it to start over, by using this option, or perform extra training (cumulative to the already existing one) using the edit option.

Remarque :

Les fichiers d'entraînement à utiliser doivent contenir une seule instance de type de document par fichier. N'exécutez pas d'entraînement au moment de la conception sur des fichiers contenant deux types de documents ou plus, car vos données d'entraînement seront erronées.

Une fois qu'un nouvel entraînement a été initié, un nouvel écran s'affiche demandant les fichiers d'entraînement et le moteur OCR à utiliser.

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.

Remarque :

Les moteurs OCR suivants ne prennent pas en charge les documents pivotés et ne doivent pas être utilisés pour traiter de tels documents :

• Reconnaissance optique des caractères Microsoft (Microsoft OCR)
• Tesseract OCR

Seules les données d'entraînement des types de documents qui ont été entraînés sont éligibles pour l'exportation. Les types de documents qui n'ont pas été entraînés ne peuvent pas être sélectionnés.

Exportation des données d'entraînement

Vous pouvez exporter les données d'entraînement en suivant ces étapes :

1. Sélectionnez les types de documents qui ont été formés.

2. Cliquez sur le bouton Exporter (Export).

3. Si vous avez des modifications non enregistrées, le message suivant s'affiche.

   

4. Cliquez sur Oui (Yes).

5. Enregistrez l'archive des données d'entraînement sous le nom souhaité.

6. Un message s'affiche indiquant le nombre d'ensembles de données d'entraînement de type de document ayant été exportés. Par exemple :

   

7. Cliquez sur OK pour revenir à l'écran principal de l'assistant.

Importation des données d'entraînement

Vous pouvez importer des données d'entraînement en suivant ces étapes :

1. Cliquez sur le bouton Importer (Import).

2. Sélectionnez l'archive des données d'entraînement et cliquez sur Ouvrir (Open).

3. Sélectionnez les types de documents souhaités.

   

4. Cliquez sur le bouton Importer (Import).

5. Les données d'entraînement sont importées.

   

Le tableau ci-dessous explique chaque message affiché lors de l'importation des données d'entraînement :

Import Type	Message affiché
Nouveau type de document et vecteurs de mots	Ce type de document sera ajouté à la taxonomie
Nouveau vecteur de mot (aucun n'a été défini précédemment)	S/O
Type de document identique et vecteurs de mots	Le vecteur mot de ce type de document sera écrasé

Comment entraîner

Placez l'activité Outil d'entraînement de classifieur de mots-clés intelligents dans une activité Tester l'étendue des classifieurs et configurez-la en conséquence.

We cannot enforce training file consistency across parallel trainings at the activity level. Two possible solutions for this issue are provided by Document Understanding Process. Both consist of traffic control:

1. verrouillage des fichiers (implémenté par défaut dans le processus) : renommez le fichier en utilisant l'extension .lock, modifiez et enregistrez le fichier, puis renommez le fichier en supprimant l'extension .lock
2. configuration manuelle d'une file d'attente spéciale : créez une file d'attente vide dans Orchestrator et intégrez vos deux activités du projet

For more information on how to train a Classifier, check Document Classification Training.