Document Manager を使用する

このページでは、Document Manager を使用して新しいデータセットをラベル付けし、ML モデルを再トレーニングする方法を説明します。

Document Manager にアクセスして設定を行う

「初回の操作」で作成したデータのラベル付けセッションを起動し、設定に移動して OCR を設定します。

Choose the OCR you intend to use in the OCR method dropdown menu. For UiPathDocumentOCR, paste the Document Understanding^TM license key (retrieve the Document Understanding API key from the Admin > License page) and then paste the OCR URL you generated when you deployed UiPathDocumentOCR.

こちらの指示に従ってデプロイしたモデルで、事前ラベル付けを設定します。モデルのパブリック ML スキル エンドポイントと Document Understanding ライセンス キーを貼り付け、[保存] をクリックします。

詳しくは、「事前定義されたスキーマを使用する」をご覧ください。

ドキュメントをインポートする

1. Document Manager セッションの [インポート] ボタン を選択します。
2. データセットに名前を付け、[アップロードするファイルを参照] を選択します。
3. アップロードするドキュメントを選択します。
4. [はい] をクリックします。

抽出フィールドを作成する

をクリックして、抽出するフィールドを作成します。

最大 40 個のフィールドを作成できます。

この検証の演習では、一般的な請求書フィールドをいくつか作成できます。たとえば、日付、名前、請求書番号、合計金額などです。[コンテンツの種類] は、日付 (date)、名前 (string)、請求書番号 (string)、合計金額 (number) のように適切に選択します。

ドキュメントにラベル付けする

ドキュメントのラベル付けを開始します。

画面上部にある予測ボタン をクリックし、請求書のベース モデルを使用して定義済みフィールドのラベルを予測します。予測が誤っている場合はラベルを修正します。

ラベルを変更するには、フィールド上にマウスをドラッグし、キーボード ショートカット キーを押してラベル付けします (下の例では、d を押して日付をラベル付けする)。

画面上部にある矢印を使用して次のドキュメントに切り替え、アップロードしたすべての請求書のラベルを検証します。

注: Invoices (請求書) のベース モデルのパフォーマンスは既に十分高く、サンプルとして使用されている請求書はシンプルでバリエーションも少ないため、この場合の予測精度は 100% に近くなります。したがって、ラベルを修正する必要はない可能性があります。

ドキュメントをエクスポートする

1. データセットのフィルターで正しいデータセットを選択していることを確認し、[エクスポート] ボタン をクリックします。
2. [エクスポート] を選択します。
3. 同じ AI Center プロジェクトの下の [データセット] に移動すると、エクスポートしたトレーニング データセットが表示されています。

AI Center でカスタム モデルをトレーニングする

1. [パイプライン] > [新規作成] に移動します。評価の実行の種類を選択し、モデル パッケージと入力データセットを選択します。
2. 入力データセットとして使用する、export 下のサブフォルダーを選択します。
3. [作成] を選択してパイプラインを開始します。CPU マシン上でのパイプラインの実行には 1 時間から 2 時間かかる場合があります。

再トレーニングした ML モデルを ML スキルとしてデプロイする

[ML スキル] に移動し、新しい ML スキルを作成します。

前に作成したのと同じ請求書モデルのパッケージを選択します。モデルは再トレーニング済みなので、新しいマイナー パッケージ バージョンが表示されます (1 と 0)。最新のバージョンを選択します。

ML スキルを作成した後は、[現在のデプロイを変更] に移動して ML スキルを公開します。トグルを切り替え、[確認] をクリックします。

後で使用するために、パブリック ML スキルの URL をコピーします。

これで、独自のデータセットで Invoices (請求書) モデルを再トレーニングし、モデルにアクセスするためのエンドポイントを作成できました。