抽出データを生成する

注: 前提条件。パフォーマンス指標/警告がなくユースケースに適した適合率/再現率レベルのラベルを選択します。

抽出の検証プロセスは、検証を通じてこれらの抽出のパフォーマンスを把握するために必要です。
トレーニングする抽出データを決定します。Report (レポート) > Statement of Accounts (勘定書) を、トレーニングするスキーマの例として使用します。

このプロセスを自動化するには、次のデータポイントを抽出して下流のシステムに入力します。

注: これは、[探索] でトレーニングしている場合にのみ当てはまることです。[トレーニング] では、抽出トレーニングバッチをクリックすると、抽出データが事前に読み込まれます。
必要に応じてこのトレーニングモードを使用して、各抽出のトレーニング例 (つまり、ラベルに割り当てられた一連のフィールド) の数を 25 以上に増やし、モデルが抽出のパフォーマンスを正確に推定できるようにします。
[探索] > [ラベル] に移動し、抽出データを生成するラベルを選択します。
[抽出データを予測] を選択します。[抽出データを予測] では、[探索] でページごとに抽出データが生成されます (つまり、指定したページのすべてのコメントに予測が適用されます)。
注: 次のページに移動するたびに、再度 [抽出データを予測] を選択する必要があります。

個別のコメント レベルで抽出データを生成することもできます。[フィールドのアノテーションを行う]、[抽出データを予測] アイコンの順に選択します。

抽出データを予測するとどうなりますか?
- このモデルでは、生成 AI モデルを使用し、(抽出スキーマで) 以前に定義した各データポイントをマッピングして、それらを意図 (ラベル) に関連付けます。
- それらデータポイントを抽出して構造化されたスキーマで返し、SME が確認できるようにします。
- 構造化スキーマは、より複雑なオートメーションを可能にすることを意図したものであり、下流のオートメーションで使用できるよう API 内で JSON 形式で構造化されています。
抽出予測を行った後、モデルがコメントの抽出されたフィールドを取得すると、テキスト内の関連する範囲が強調表示されます (該当する場合)。モデルの右側に抽出された値が表示されます。予測値の検証方法については、「抽出データを検証してアノテーションを行う」をご覧ください。