請求書のフィールドを 1 つ追加して再トレーニングする

重要:

このページは、Document Understanding を初めて使用するユーザーに Document Understanding の機能を分かりやすく紹介するためのページです。

For scalable production deployments, we strongly recommend using the Document Understanding Process available in UiPath Studio under the Templates section.

このクイックスタート チュートリアルでは、すぐに使える Invoices (請求書) ML モデルに抽出フィールドを 1 つ追加する再トレーニングの方法について説明します。

Let’s use the same workflow we used for the receipts in the previous quickstart and modify it so it can support invoices.

そのためには、ワークフローで以下の手順を実行する必要があります。

1. タクソノミーを変更する
2. 分類器を追加する
3. マシン ラーニング抽出器を追加する
4. データをラベル付けする
5. Invoices (請求書) ML モデルを再トレーニングする

次に、各ステップについて詳しく説明します。

1. タクソノミーを変更する

この手順では、タクソノミーを変更しドキュメントの種類として請求書を追加する必要があります。

To do so, open Taxonomy Manager and create group named "Semi Structured Documents", a category named "Finance", a document type named "Invoices". Create the above listed fields with user-friendly names along with respective data types.

• name - Text
• vendor-addr - Address
• billing-name - Text
• billing-address - Address
• shipping-address - Address
• invoice-no - Text
• po-no - Text
• vendor-vat-no - Text
• date - Date
• tax - Number
• total - Number
• payment-terms - Text
• net-amount - Number
• due-date - Date
• discount - Number
• shipping-charges - Number
• payment-addr - Address
• description - Text
• items - Table
  • description - Text
  • quantity - Number
  • unit-price - Number
  • line-amount - Number
  • item-po-no - Text
  • line-no - Text
  • part-no - Text
  • billing-vat-no - Text

2. 分類器を追加する

この手順では、ワークフローで領収書と請求書の両方を処理できるように分類器を追加する必要があります。

ワークフローで「Receipts (領収書)」と「Invoices (請求書)」の 2 つのドキュメントの種類を処理できるようにするためには、分類器を追加して入力データとして使用されるドキュメントの種類を区別できるようにする必要があります。

1. Add a Classify Document Scope after the Digitize Document activity and provide the DocumentPath,DocumentText, DocumentObjectModel, and Taxonomy as input arguments and capture the ClassificationResults in a new variable. We need this variable to check what document(s) we are processing.

2. We also need to specify one or more classifiers. In this example, we are using the Intelligent Keyword Classifier. Add it to the Classify Document Scope activity.

   This page helps you take an educated decision on what classification method you should use in different scenarios.

3. Train the classifier as described here.

4. 両方のドキュメントの種類に対して分類器を有効化します。

5. Depending on your use case, you might want to validate the classification. You can do that using the Present Classification Station or the Create Document Classification Action and Wait For Document Classification Action And Resume activities.

3. マシン ラーニング抽出器を追加する

In this step, we need to add a Machine Learning Extractor to the Data Extraction Scope activity and connect it to the Invoices public endpoint.

手順は、Receipts (領収書) のマシン ラーニング抽出器を追加した手順と同じです。

1. Receipts (領収書) の [マシン ラーニング抽出器] アクティビティの横に [マシン ラーニング抽出器] アクティビティをもう 1 つ追加します。

2. Provide the Invoices public endpoint, namely https://du.uipath.com/ie/invoices/, and an API key to the extractor.

3. 請求書のデータを抽出できるように、タクソノミー マネージャーで作成したフィールドを ML モデルで使用可能なフィールドにマッピングして、抽出器の設定を行います。

   

4. [データ抽出スコープ] の入力として、[ドキュメントの種類の ID] を指定するのではなく [ドキュメント分類スコープ] によって出力される ClassificationResults 変数を使用します。

   最終的に画面は次のようになります。

   

5. ワークフローを実行して、請求書のデータが正しく抽出されるかをテストします。

4. データをラベル付けする

Invoices (請求書) ML モデルで新しい IBAN フィールドが処理されるようにするには、ベース モデルを再トレーニングする前にデータをラベル付けする必要があります。

1. ユースケースの複雑さの度合いに応じて、要件と十分な量の請求書ドキュメントのサンプルを収集します。

   Label 50 pages, as explained on this documentation page.

2. Gain access to an instance of Document Manager either on premises or in AI Center in the Cloud. Make sure you have the permissions to use Document Manager.

3. AI Center プロジェクトを作成し、 [データのラベル付け] > [UiPath Document Understanding] に移動して、データのラベル付けセッションを作成します。

4. Configure an OCR Engine as described here, try importing a diverse set of your production documents and make sure that the OCR engine reads the text you need to extract.

   More suggestions in this section. Only proceed to next step after you have settled on a OCR engine.

5. 新しい Document Manager セッションを作成し、トレーニング セットと評価セットをインポートします。評価セットをインポートする際は [これをテスト セットにする] チェックボックスをオンにします。

6. IBAN フィールドを作成して設定します。

   More advanced guidelines are available in this section.

7. Label a Training dataset and an Evaluation dataset as described here.

   Document Manager の事前ラベル付け機能を使用すると、より簡単にラベル付け作業が行えます。

8. Document Manager ビューの上部にあるフィルター ドロップダウンから、評価セット、トレーニング セットの順に選択して AI Center にエクスポートします。

次に、モデルを作成し、再トレーニングしてデプロイします。

5. Invoices (請求書) ML モデルを再トレーニングする

ワークフローで請求書を処理できるようになったため、次は請求書から IBAN を抽出できるようにする必要があります。IBAN フィールドは、すぐに使える Invoices (請求書) ML モデルでは既定で抽出されません。つまり、ベース モデルを使用して再トレーニングを行う必要があります。

1. Create an ML Package as described here. If your document type is different from the ones available out-of-the-box, then choose the DocumentUnderstanding ML Package. Otherwise, use the package closest to the document type you need to extract.

2. Create a Training Pipeline as described here using the Input dataset which you exported in the previous section from Document Manager.

3. トレーニングの完了後にパッケージのマイナー バージョンが 1 である場合は、このマイナー バージョンで評価パイプラインを実行し、evaluation.xlsx を横並びで比較して検査します。

   Use the detailed guidelines here.

4. 評価結果に問題がなければ ML スキル ビューに移動し、ML パッケージの新しいマイナー バージョンを使用して ML スキルを作成します。このスキルを使用して Document Manager で事前ラベル付けを行う場合は、ML スキル ビューの右上にある [現在のデプロイを変更] ボタンをクリックして [ML スキルを公開] トグルをオンにする必要があります。

5. ML スキルを作成したら、Studio で使用できるようにする必要があります。最も簡単なのは、こちらの手順に従って ML スキルを公開する方法です。最後に、ワークフローの [マシン ラーニング抽出器] アクティビティに最初に追加した Invoices (請求書) ML モデルのパブリック エンドポイントを、使用する ML スキルのパブリック エンドポイントで置き換えれば完了です。

6. ワークフローを実行します。請求書の既定のフィールドに加えて、新たに追加した IBAN フィールドが抽出されることが確認できます。

サンプルをダウンロードする

このサンプル プロジェクトはこちらからダウンロードできます。 Invoices (請求書) の [マシン ラーニング抽出器] アクティビティを、エンドポイント モードからトレーニング済みの ML スキルに変更する必要があります。