データ抽出トレーニングの概要

データ抽出トレーニングとは

Data Extraction Training is a component in the Document Understanding^TM Framework that helps in closing the feedback loop for extractors that are capable of learning from human feedback. This would help extractors perform better on subsequent documents (depending on their own learning capabilities).

データ抽出トレーニングを使用すべき場合

トレーニングコンポーネントを含まない Document Understanding プロセスが構築される場合があります。これは、いくつかの理由で起きる可能性があります。その一部を以下に示します。

使用している抽出器が再トレーニングをサポートしていない
再トレーニングを実行するのではなく、プロセスでは常に同じトレーニングを使用したい
抽出器トレーニングをオフラインで更新したいと考えており、その更新を DU プロセス外で管理している

しかし、ほとんどの場合、通常のプロセス使用の一環として抽出器をトレーニングすることには、大きなメリットがあります。抽出器は人間による検証情報を取り込んで、独自のトレーニングデータを収集し、独自の更新を実行できるからです。ユーザーが何らかの方法で既存のワークフローを更新する必要はありません。抽出器は、人間が正しいデータとして検証したデータに基づいて、将来より適切に機能するよう自ら学ぶことができる、自己学習型アルゴリズムになります。

データ抽出トレーニングコンポーネントの使用方法

データ抽出トレーニングは、[抽出器トレーニングスコープ] アクティビティを使用して行われます。このスコープアクティビティには、一度に 1 つ以上の抽出器トレーニングアルゴリズムを設定して実行する役割があるため、1 つ以上の抽出器をトレーニングできます。

データ抽出トレーニングは通常、データ抽出の検証後に実行されます。アルゴリズムが受け取るトレーニングデータの精度を確保するため、トレーニング用には、人間が確認したフィードバックのみを分類器に送り返す必要があります。

データ抽出トレーニングは、自動的に抽出されたデータが正しい (修正が不要) 場合だけでなく、人間による修正の場合にも実行する必要があります。これは、どちらのケースもアルゴリズムの学習に役立つためです。

データ抽出コンポーネントで使用されている抽出器と、データ抽出の予測に使用されていない抽出器の両方をトレーニングできます。後者のアプローチは、後で Document Understanding ワークフローに追加して使用するために、トレーニングデータを収集して、ゼロから抽出器をトレーニングする場合に使用されます。

[抽出器トレーニングスコープ] で行われることを、以下に簡潔にまとめます。