Criar

Esta seção fornece as seguintes experiências:

• Carregue documentos e classifique-os automaticamente.
• Carregue documentos diretamente nos tipos de documentos.
• Gerencie arquivos do projeto (adicionar, remover arquivos).
• Anotar documentos.
• Adicione ou remova campos.
• Tenha uma experiência guiada sobre treinamento de modelos de classificação e extração usando as recomendações.

Anotar documentos

After successfully creating your project and uploading your documents to a specific document type, they are automatically pre-annotated. This is done using specialized models, based on the document type's schema. The schema clearly defines the fields you want to extract from a particular document type. To find the document type's schema, go to the Annotation page and check the Fields section.

For more in-depth information on how to annotate your documents, check the Annotate documents how-to page.

Exceções para revisão

Você pode usar documentos que foram validados na Validation Station para melhorar ainda mais o desempenho de seus modelos.

If there are any changes after the validation step, the Exceptions for review button is displayed for the impacted document type.

Figure 1. Exceptions for review button

For more in-depth information on how to retrain your models, check the Retrain extractors how-to page.

Editar configurações de campo

You can edit the settings for multiple fields from Document type manager.

To get to there, select the three-dot icon ⋮ next to the document type you want to edit and select Document type manager from the menu.

Figure 2. Select Document type manager

Edição ou adição de novos campos

To add a new field, select Add field and fill in the needed information. You can add or edit the following options for each field:

• Field name: the unique name for the field.

• Content type: the content type of the field:

  • String: used for company names or addresses, as well as payment terms, or for any other field where you want to build the parsing or formatting logic manually, in the RPA workflow.
  • Number: used for amounts or quantities, with intelligent parsing of the decimal/thousands separators.
  • Date: parse, format and unify the output using the YYYY-MM-DD format.
  • Phone: use for phone number. Formatting removes letters and parentheses, and replaces spaces with dashes.
  • ID Number: used for alphanumeric codes, numbers of IDs. It's similar to the string content type, but removes any characters coming before the : character. If the Id number you need to extract can contain : characters, use string content type instead to avoid data loss.

• Shortcut: the shortcut key for the field. One key or a combination of two keys is allowed.

• Advanced settings: the available options differ depending on the Content type of the selected field. Select the Advanced settings button for the desired field to edit: Figure 3. Document type advanced settings

  

  • Field ID: the unique id for the field.
  • Post processing:
    • first_span: if the model predicts more than one instance of a field in a document, make it return the first one.
    • longest_value: if the model predicts more than one instance of a field in a document, make it return the value consisting of the largest number of characters.
    • highest_confidence: if the model predicts more than one instance of a field in a document, make it return the value with the highest confidence.Scoring: the measure used to determine the accuracy when running evaluations of model predictions is only available for fields with content type String:
    • exact_match: prediction will only be deemed to be correct (score of 1) if it exactly matches the true value. If it differs by even a single character, then it is deemed to be incorrect (score of 0). This is the default setting for all fields except for String fields.
    • levenshtein: prediction will be deemed to be partially correct according to the Levenshtein distance between the prediction and the true value. For example, if a 10 letter value is predicted correctly except for the last 2 characters, then the score of that prediction is be 0.8.
  • Date format: this field is only available for fields with content type Date and it indicates how ambiguous dates are parsed and returned:
    • Auto
    • US style: YYYY-DD-MM
    • Non-US style: YYYY-MM-DD
  • Multi-line: fields which span multiple text lines (addresses or descriptions) need to have this checked, otherwise only the first line is returned.
  • Multi-value: field returns a list with all the values detected in the document.

As alterações nas configurações do tipo de documento não são refletidas na nova versão do projeto se você publicar uma nova versão do projeto antes de disparar novamente um treinamento.

Workaround: To avoid this, retrain the document type after making modifications to the document type fields. You can do this by tagging or confirming additional documents for that type before publishing a new version.

Configurações do modelo

You can change the document type settings from the Model settings view. To do so, select Model settings.

Figure 4. Model settings

è possível alterar as seguintes configurações:

• Base model: Dataset size estimations used in the Recommended Actions depend on the base model used to train. Using the most similar base model to your Document Type will reduce the amount of annotation work required.
• Number of languages: Dataset size estimation used in the Recommended Actions depend on the number of languages in the dataset. More languages generally require annotating more data.

Pesquisar nomes de campo

You can search through the available field names. To do so, use the search bar from the top left corner of the Document type manager interface. For a more efficient search, use the Filter feature to filter by Content type.

Figure 5. Search field names

Excluir campos

Select the Delete next to the field you want to delete.

Figure 6. Delete a field

You can also select several (or all) fields and delete them at once. To do so, select the check mark next to the fields you want to delete and then click Delete.

Figure 7. Delete several fields at once

Campos de Classificação

Os campos de classificação são pontos de dados que se referem a um documento como um todo. Por exemplo, o tipo de despesa de um recibo (alimentação, hotel, companhia aérea ou transporte) ou a moeda de uma fatura (USD, EUR, JPY) são campos de classificação.

Observação:

As seguintes limitações aplicam-se atualmente à funcionalidade Campos de Classificação:

• Ao usar a atividade Extrair dados de documento, os campos de classificação são compatíveis para extratores de projetos modernos e modelos prontos para uso, mas não para extratores de projetos clássicos.
• Os campos de classificação são extraídos para tipos de documentos personalizados apenas após um treinamento bem-sucedido.

Edição ou adição de campos de classificação

To add a new classification field, select Add field and type in a name for the new field.

Você também pode reordenar os campos a partir dessa exibição.

To check the classification field ID, select Advanced settings next to the needed classification field.

Edição ou adição de classes

To add a new class for a classification field, select Add class and type in a class name and an optional description.

Observação:

Each classification field must contain at least two classes.

Você pode editar o nome e a descrição para cada classe.

Você também pode reordenar as classes dessa visualização.

To remove a class, select Delete next to the class you want to remove.

Pesquisar documentos

You can search uploaded documents by document name. To do so, use the search bar from the left corner of the Build section. For a more efficient search, use the Filter feature to filter by:

• Tipo de documento: escolha o tipo de documento desejado na lista suspensa.
• Data de carregamento: escolha um intervalo de data em que o documento foi carregado.
• Status: escolha o status do documento.
• Tag: escolha as tags que você deseja filtrar.

Figure 8. Filter documents

Pontuação do projeto e do modelo

You can check your project's overall score from the top right corner. This score factors in the classifier and extractor scores for all document types. Select Project score to display the Measure section. You can check more in-depth performance measurements in that section.

Você pode verificar a pontuação para cada tipo de documento separadamente na seção Tipo de documento. Esta pontuação inclui o desempenho geral do modelo, além do tamanho e qualidade do conjunto de dados.

Observação:

You need to upload at least 10 documents to get a project score. For a document type score, you need at least 10 documents under the same document type.

Você pode verificar a classificação do modelo de seus modelos se selecionar a aba de pontuação. A classificação do modelo é uma funcionalidade destinada a ajudar você a visualizar o desempenho de um modelo de classificação. Ela é expressa como uma pontuação do modelo de 0 a 100 da seguinte forma:

• Insatisfatório (0-49)
• Médio (50-69)
• Bom (70-89)
• Excelente (90-100)

Select Detailed model scores to go to the Measure section for detailed information.