- Vue d'ensemble (Overview)
- Processus Document Understanding
- Didacticiels de démarrage rapide
- Composants de l'infrastructure
- Vue d'ensemble (Overview)
- Activités Document Understanding
- Vue d’ensemble de classification de document
- Assistant de configuration des classifieurs de l'activité Classer l'étendue du document (Classify Document Scope)
- Intelligent Keyword Classifier
- Keyword Based Classifier
- Machine Learning Classifier
- Classifieur génératif
- Activités liées à la classification des documents
- Assistant de configuration des classifieurs (Configure Classifiers Wizard) de l'activité Tester l'étendue des classifieurs (Train Classifier Scope)
- Vue d’ensemble de l'entraînement de la classification des documents
- Activités liées à l'entraînement de la classification des documents
- Machine Learning Classifier Trainer
- Assistant de configuration des extracteurs (Configure Extractors Wizard) de l'activité Étendue de l'extraction de données (Data Extraction Scope)
- Vue d’ensemble de l’extraction des données
- Activités liées à l'extraction de données
- Form Extractor
- Extracteur de formulaires intelligents
- Extracteur d'apprentissage automatique
- Regex Based Extractor
- Consommation de données
- Appels API
- Paquets ML
- Vue d'ensemble (Overview)
- Paquets ML - Document Understanding
- Classifieur de documents - Paquet ML
- Paquets ML avec capacités OCR
- 1040 - Paquet ML
- Annexe C du formulaire 1040 Planification C - Paquet ML
- 1040 Planification D - Paquet ML
- Annexe E du formulaire 1040 - Paquet ML
- Paquet ML - 1040x
- Paquet ML 3949a
- 4506T - Paquet ML
- Paquet ML 709
- Paquet ML 941x
- Paquet ML 9465
- 990 - Paquet ML - Aperçu
- ACORD125 - Paquet ML
- ACORD126 - Paquet ML
- ACORD131 - Paquet ML
- ACORD140 - Paquet ML
- ACORD25 - Paquet ML
- États financiers - Paquet ML
- Connaissement - Paquet ML
- Paquet ML - Certificat de constitution
- Paquet ML - Certificat d'origine
- Chèques - Paquet ML
- Paquet ML - Certificat de produit pour enfants
- CMS1500 - Paquet ML
- Paquet ML - Déclaration de conformité de l’UE
- États financiers - Paquet ML
- FM1003 - Paquet ML
- I9 - Paquet ML
- Cartes d’identité - Paquet ML
- Factures - Paquet ML
- FacturesChine - Paquet ML
- Paquet ML - Factures hébreu
- FacturesInde - Paquet ML
- FacturesJapon - Paquet ML
- Paquet ML - Livraison des factures
- Listes de colisage - Paquet ML
- Passeports - Paquet ML
- Fiches de paie - Paquet ML
- Bons de commande - Paquet ML
- Reçus - Paquet ML
- RemittanceAdvices - Paquet ML
- Formulaire UB04 - Paquet ML
- Factures de services publics - Paquet ML
- Titres de véhicule - Paquet ML
- W2 - Paquet ML
- W9 - Paquet ML
- Autres paquets ML prêts à l’emploi
- Points de terminaison publics
- Prérequis matériels
- Pipelines
- Document Manager
- Services OCR
- Apprentissage profond
- Tableaux de bord Insights.
- Document Understanding déployé dans Automation Suite
- Document Understanding déployé dans une version AI Center autonome
- Activités (Activities)
- UiPath.Abbyy.Activities
- UiPath.AbbyyEmbedded.Activities
- UiPath.DocumentProcessing.Contracts
- UiPath.DocumentUnderstanding.ML.Activities
- UiPath.DocumentUnderstanding.OCR.LocalServer.Activities
- UiPath.IntelligentOCR.Activities
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.OmniPage.Activities
- UiPath.PDF.Activities
Présentation de l'apprentissage de l'extraction de données
L'entraînement de l'extraction des données (Data Extraction Training) est un composant de l'infrastructure de Document UnderstandingTM qui ferme la boucle de rétroaction des extracteurs capables d'apprendre à partir des commentaires humains. Cela aiderait les extracteurs à avoir de meilleures performances sur les documents suivants (en fonction de leurs propres capacités d'apprentissage).
Vous pouvez créer des processus Document Understanding qui ne contiennent aucun composant d'entraînement. Cela peut se produire pour plusieurs raisons :
- les extracteurs que vous utilisez ne prennent pas en charge le réentraînement
- vous ne voulez pas effectuer de réentraînement, car vous préférez que le processus utilise toujours le même apprentissage
- vous souhaitez mettre à jour l'entraînement de l'extracteur hors ligne et vous gérez ses mises à jour en dehors de votre processus DU.
Entraîner vos extracteurs dans le cadre de l'utilisation régulière des processus est cependant très avantageux dans la majorité des cas, car les extracteurs peuvent collecter leurs propres données d'apprentissage et effectuer leurs propres mises à jour en ingérant les informations de validation humaine, sans vous obliger à mettre à jour vos workflows de quelque manière que ce soit. Ils deviennent, pour ainsi dire, des algorithmes d'auto-apprentissage capables d'améliorer leur comportement au fur et à mesure sur la base de ce que les utilisateurs humains ont défini comme étant des données correctes.
L'entraînement de l'extraction de données est effectuée via l'activité Étendue de l'entraînement des extracteurs (Train Extractors Scope). Vous pouvez entraîner un ou plusieurs extracteurs, car l'activité de l'étendue a pour rôle de configurer et d'exécuter un ou plusieurs algorithmes afin d'effectuer l'entraînement de l'extracteur en une seule fois.
L'extraction des données est généralement exécutée après la validation de l'extraction des données : seuls les commentaires confirmés par l'homme doivent être renvoyés aux classifieurs aux fins de l'entraînement afin de garantir l'exactitude des données d'entraînement reçues par les algorithmes.
L'entraînement à l'extraction de données doit être exécuté à la fois dans le cas où les données extraites automatiquement sont correctes (aucune correction n'a été nécessaire), ainsi que dans le cas de corrections humaines. Cela s'explique par le fait que ces deux cas participent à l'entraînement des algorithmes.
Vous pouvez entraîner les deux extracteurs qui ont été utilisés dans le composant d'extraction de données, ainsi que les extracteurs qui n'ont pas été utilisés pour la prédiction d'extraction de données. Cette dernière approche sert à collecter des données d'entraînement et entraîner un extracteur à partir de zéro dans le but de l'utiliser ultérieurement en l'ajoutant aux workflows de Document Understanding.
En bref, voici les fonctions de l'activité Étendue de l'entraînement des extracteurs (Train Extractors Scope) :
- Fournit à tous les outils d'entraînement des extracteurs (algorithmes d'entraînement) les configurations nécessaires à leur exécution.
- Accepte un ou plusieurs entraîneurs d'extracteurs.
- Permet de filtrer le type de document et le niveau de champ, et d'effectuer le mappage de la taxonomie entre la taxonomie du projet et toute taxonomie d'extracteur interne.
L'activité Étendue de l'entraînement des extracteurs (Train Extractors Scope) vous permet de la configurer à l'aide de l'assistant Configurer les extracteurs (Configure Extractors). Vous pouvez déterminer
- quels types de documents et quels champs sont envoyés pour l'entraînement à quel entraîneur d'extracteur,
- quel est le mappage taxonomique, au niveau du type de document et au niveau du champ, entre la taxonomie du projet et la taxonomie interne de l'extracteur (le cas échéant).
L'activité Étendue de l'entraînement des extracteurs (Train Extractors Scope) vous permet également d'identifier de manière unique une paire d'activités Extracteur - Entraîneur d'extracteurs, en utilisant la même string d'alias d'infrastructure à la fois dans l'étendue d'extraction de données et dans l'étendue d'entraînement.
Actuellement, seul l'Extracteur d'apprentissage automatique (Machine Learning Extractor) dispose de capacités d'entraînement/réentraînement. L'activité se trouve dans le package UiPath.DocumentUnderstanding.ML.Activities et son activité d'entraînement est appelée Outil d'entraînement d'extracteur d'apprentissage automatique (Machine Learning Extractor Trainer).