Guia do usuário do Document Understanding.

ENTREGA:

Automation Cloud Automation Cloud Public Sector Automation Suite Standalone

Última atualização 11 de nov de 2024

Rotular documentos

Para os volumes de documentos necessários, consulte Pipelines.

Para obter mais detalhes sobre como montar um conjunto de dados de alta qualidade, consulte Treinamento de modelos de alto desempenho.

Campos que ocorrem várias vezes no mesmo documento

Há muitas situações em que um campo aparece em vários lugares no mesmo documento ou até na mesma página. Todos devem ser rotulados desde que tenham o mesmo significado.

Por exemplo, o valor total das contas de serviços públicos. Ele geralmente aparece no topo, em uma lista de itens de linha no meio ou em um recibo de pagamento na parte inferior, que pode ser destacado e enviado pelo correio com o cheque. Nesta situação, todas as três ocorrências seriam rotuladas. Isso é útil, pois, em alguns casos, se houver um erro de OCR ou o layout for diferente e um campo não puder ser identificado, o modelo ainda poderá identificar as outras ocorrências.

Observação: o que conta é o significado do vlor e não valor em si. Por exemplo, em algumas faturas que não incluem impostos, o valor líquido e o valor total têm o mesmo valor. Mas são conceitos claramente distintos. Consequentemente, não devem ser ambos rotulados como valor total, apenas aquele cujo significado representar o valor total.

Vários usuários rotulando em paralelo

Você pode fazer com que vários usuários usem a mesma instância para rotular ao mesmo tempo, inclusive no mesmo documento.

Se houver alterações simultâneas no esquema, para um usuário a alteração é aplicada; para o(s) outro(s) é exibida uma mensagem de aviso informando que as alterações não puderam ser executadas. O(s) outro(s) usuário(s) deve(m) atualizar imediatamente o navegador para ver as alterações.

Rotulagem para treinamento

Quando você importa um conjunto de dados sem marcar a caixa de seleção Tornar este um conjunto de avaliação na caixa de diálogo Importar dados, esse conjunto de dados é usado para treinamento e você só precisa se concentrar na rotulagem das palavras (caixas cinza) no documento.

Se de vez em quando o texto preenchido nos campos da barra lateral não estiver correto, isso não é um problema, pois o modelo de ML ainda aprende. Em alguns casos, pode ser necessário ajustar a configuração dos campos: por exemplo, marcando a caixa de seleção Múltiplas linhas. Mas, em geral, o foco principal é rotular as palavras na página.

Rotulagem para avaliação

Quando você importa um conjunto de dados e marca a caixa de seleção Tornar este um conjunto de avaliação na caixa de diálogo Importar dados, esse conjunto de dados é ignorado pelos Pipelines de Treinamento no AI Center e usado apenas pelos Pipelines de Avaliação.

É importante que o texto correto seja preenchido nos campos da barra lateral (ou na barra superior para campos de Coluna). Essa ação leva muito mais tempo para verificar para cada campo, mas é a única maneira de obter uma métrica confiável da precisão do modelo de ML que você está construindo.

A partir da versão 2021.10, o Document Manager oferece suporte à rotulagem de documentos de várias páginas. Consequentemente, os campos na barra lateral têm um único valor para todo o documento. Isso reflete de perto o comportamento durante a execução no fluxo de trabalho de RPA e permite que os Pipelines de Avaliação no AI Center produzam pontuações realistas, refletindo o desempenho durante a execução real dos modelos de ML.

No entanto, lembre-se de que essa é uma grande mudança em relação às versões anteriores, nas quais cada página era rotulada separadamente. Rotular e exportar documentos de várias páginas pressupõe que cada documento represente um único documento lógico. Por exemplo, um documento de seis páginas pode conter uma única fatura de seis páginas, mas não deve conter três faturas diferentes, com duas páginas cada. Isso é particularmente importante para conjuntos de avaliação.

Ações de rotulagem

Veja abaixo as principais ações que você precisa realizar ao rotular documentos. Um determinado campo pode ser rotulado em vários lugares na mesma página.

Rotular um campo

Selecione uma caixa de texto individual clicando nela.

Para selecionar várias palavras, clique na primeira palavra e, em seguida, Ctrl/Shift+clique no restante das palavras desejadas ou selecione uma área inteira arrastando o mouse (criando uma seleção) sobre ela.

Para desmarcar determinadas caixas de texto de sua seleção, enquanto Ctrl/Shift estiver pressionado, clique ou selecione as caixas texto indesejadas novamente.

Quando sua seleção estiver correta, toque na tecla de atalho para rotular o campo.

Rotular um campo de vários valores

Certifique-se de que a opção de vários valores do campo esteja selecionada.

Selecione o primeiro lote de informações e toque na tecla de atalho para rotular o campo.

Repita as etapas acima até que todos os valores sejam rotulados para o campo de vários valores.

Observação:

Os campos de vários valores podem ser usados apenas com os Pacotes de Machine Learning versão 2022.10 ou superior.
Um campo de valores múltiplos exibe dois valores em seu estado recolhido e todos os valores em seu estado expandido. Clique na seta de expansão do campo de valores múltiplos para expandir e visualizar a lista de todos os valores marcados.

Remover um rótulo

Selecione as caixas de texto e pressione a tecla Delete ou Backspace no teclado.

Agrupar uma linha da tabela

Após rotular alguns campos de Coluna, e somente se algumas linhas abrangerem várias linhas de texto, você poderá agrupá-las pressionando a /tecla para indicar que fazem parte da mesma linha da tabela.Uma caixa verde aparece ao redor do grupo.

Quando um campo de coluna rotulado é agrupado, a tabela é analisada e exibida na parte superior, destacando os dados extraídos.

Desagrupar uma linha da tabela

Selecione o grupo e pressione a tecla / novamente.

Faça correções no valor rotulado

Clique no texto na barra lateral ou na barra superior e edite o conteúdo. Um pequeno cadeado aparece para indicar que o campo foi editado manualmente. Isso é necessário ao rotular conjuntos de avaliação.