ドキュメントデータを抽出

UiPath.IntelligentOCR.StudioWeb.Activities.ExtractDocumentDataWithDocumentData<UiPath.IntelligentOCR.StudioWeb.Activities.DataExtraction.ExtendedExtractionResultForDocumentData>

説明

入力ファイルまたは Document Data オブジェクトからデータを抽出し、結果を Document Data オブジェクトに格納します。

はじめる前に

前提条件

[ドキュメントデータを抽出] アクティビティの前に Document Data オブジェクトを出力するアクティビティが必要です。Document Data オブジェクトは、[ドキュメントを分類] アクティビティなどの「Document Understanding」系アクティビティで出力として生成されます。

入力オプション

[ドキュメントデータを抽出] アクティビティは、入力として次のいずれかを受け取ります。

ドキュメントデータ - [ドキュメントを分類] アクティビティから
ファイル - [ファイル/フォルダーを取得] アクティビティまたは [最新のメールを取得] アクティビティから

生成 AI モデルでサポートされている言語

生成 AI モデルでサポートされている言語は、使用されている OCR エンジンと同じであり、プロジェクトによって異なります。定義済みのプロジェクトの場合、使用される OCR エンジンは UiPath Document OCR です。詳しくは、「OCR でサポートされている言語」をご覧ください。

アクティビティで使用されるモデル

[ドキュメントデータを抽出] アクティビティでは以下を使用します。

すぐに使えるモデルのパブリックエンドポイント
Document Understanding アプリのプロジェクトにデプロイされたカスタム ML モデル
生成 AI による抽出モデル

プロジェクトの対応 OS

クロスプラットフォーム

構成

デザイナーパネル

プロジェクト - ドロップダウンメニューからお使いの Document Understanding プロジェクトを選択する必要があります。利用可能なオプションは次のとおりです。
- Predefined - 既定のプロジェクトです。
- カスタムプロジェクトは、Document Understanding に移動して作成できます。

抽出器 - 選択したプロジェクトの抽出器を選択する必要があります。[Predefined] プロジェクトで利用可能なオプションは次のとおりです。
- こちらに記載されている ML パッケージのいずれか
  注: [ドキュメントデータを抽出] アクティビティは、選択した抽出器でドキュメントの種類を上書きします。これは、生成モデルには適用されません。
- 生成
  注: 生成 AI 抽出器に送信されたデータは、公開されていない LLM モデルインスタンスに送信されます。外部には送信されず、処理後に保存またはトレーニングに使用されることはありません。
プロンプト - [生成] オプションを選択した場合に表示されます。抽出対象のフィールドを識別するためのプロンプトです。キーと値のペアとして指定します。キーはフィールドの名前を、値はフィールドの説明を表します。抽出器が対象値を識別するのに役立ちます。このフィールドをクリックすると、次のオプションがペアになったプロンプトが表示されます。
- フィールド名 - 抽出するフィールド名 (例: 期限) を入力する必要があります (最大 30 文字)。
- 生成プロンプト - 生成 AI 抽出器の入力としてプロンプトを入力する必要があります。最大 1000 文字を入力できます。応答 (抽出結果) は「コンプリーション」とも呼ばれ、700 単語に制限されています。つまり、1 つのプロンプトあたりの抽出結果が 700 単語を超えることはできません。抽出要件がこの制限を超える場合は、ドキュメントを複数のページに分割して個別に処理し、後で結果を結合できます。
ヒント: 生成 AI のプロンプトの使用方法に関する効果的な実践については、「生成 AI 抽出器 - 効果的な実践」ページをご覧ください。
入力ファイル - ファイル自体、またはワークフローで他の「Document Understanding」系アクティビティ ([ドキュメントを分類] など) を使用している場合はそのドキュメントデータを指定する必要があります。
重要: 1 つのファイルに含めることができる最大ページ数は 500 です。この制限を超えるファイルは抽出できません。

プロパティパネル

入力

タイムアウト (秒) - 生成 AI モデルへの呼び出しの最大実行時間 (秒単位) です。このタイムアウト値を超えると、遅延やハングを防ぐために操作が自動的に終了されます。このプロパティは、[生成 AI 抽出器] が抽出器として選択されている場合にのみ表示されます。
自動検証 - 自動検証を有効化する場合に使用します。データ抽出で得られた結果を生成モデルに対して検証する場合に便利な機能です。[自動検証] フィールドの既定値は False です。
- 信頼度のしきい値 - [自動検証] を有効化すると表示されます。しきい値を下回る抽出結果は、生成 AI による抽出モデルの結果と比較されます。結果が同じ場合、抽出結果の信頼度の値はしきい値に合わせて調整されます。指定可能なしきい値の範囲は 0 から 100 です。
  値を 0 に設定すると、検証は適用されません。ただし、特定の値 (0 から 100) を設定すると、その値を下回るすべての抽出結果がチェックされます。たとえば、信頼度のしきい値を 80% に設定すると、信頼度が 80% を下回るフィールドに生成 AI による検証が適用されます。
  
  注: 自動検証は、専用の抽出モデルでのみ利用できます。
データ型を生成 (プレビュー) - True に設定すると、選択した抽出器に基づいて出力が生成され、IDocumentData<ExtractorType> オブジェクトが生成されます。また、False　に設定すると、データ生成をスキップして汎用 IDocumentData<DictionaryData> オブジェクトが生成されます。
2 つのオブジェクトの種類の詳細と制限については、「ドキュメントデータ」をご覧ください。

出力

ドキュメントデータ - ファイルから抽出されるすべてのフィールドデータです。情報は、[ドキュメントを分類] アクティビティから受け取ることもできます。
ドキュメントデータの仕組み、および単一値フィールドと複数値フィールドで抽出結果を使用する方法については、「ドキュメントデータ」をご覧ください。