Visão geral da taxonomia

O que é taxonomia

A Taxonomia são os metadados que o framework do Document Understanding considera em cada uma de suas etapas.

• A Taxonomia é uma coleção de Tipos de Documentos.
  • Um Tipo de Documento é a definição de um tipo lógico de documento, que deve ser tratado por diferentes processos de negócios. Exemplos de Tipos de Documentos são faturas, registros médicos, formulários W-2 do IRS, contratos, etc. Um tipo de documento, além do nome, grupo e categoria (para facilitar o manuseio), geralmente contém uma coleção de Campos.
    • Um Campo é uma informação a qual se espera ser encontrada e capturada de um Tipo de Documento específico

Como visto acima, uma Taxonomia é uma estrutura hierárquica que contém o esquema das informações que o framework do Document Understanding usará em seus processos. Cada definição de entidade (para tipos de documentos ou campos) encontrada na Taxonomia possui um ID exclusivo.

Como ela ajuda na classificação de documentos?

Se você deseja classificar os arquivos de entrada em diferentes tipos de documentos, a taxonomia deve conter especificamente os tipos de documentos que deseja utilizar. Isso permitirá que você configure seus processos do Document Understanding com base em um esquema de dados uniforme: a estrutura de sua taxonomia.

Como ela ajuda na extração de dados?

Se você deseja extrair dados de determinados tipos de documentos, a taxonomia conterá a lista de campos pretendida para extração automática de dados. Isso permitirá a configuração de vários métodos e regras de extração, novamente, com base em uma única fonte de esquema de dados verdadeiros: a estrutura do seu tipo de documento.

Tipos de campo e detalhes

Um Campo pode conter partes derivadas: informações formatadas extraídas ou editadas do valor textual subjacente encontrado em um documento.

Tipo de Campo	Permite valores múltiplos	Finalidade	Partes derivadas para formatação	Informações Adicionais
Texto	Sim	Informação textual	N/A	N/A
Número	Sim	Valores numéricos	Valor	N/A
Data	Sim	Datas	Dia Mês Ano	Os campos de data permitem a definição de um Formato esperado, que deve ser uma string de formato de data compatível com MSDN (por exemplo, dd-MM-yyyy ou MM, dd, yyyy). Esse formato é usado pela atividade Escopo da Extração de Dados ao tentar analisar uma data em suas partes de dia, mês e ano de constituição.
Name	Sim	Nomes de pessoas	Given Name Nome do Meio Sobrenome	N/A
Address	Sim	Endereços	Linha de Endereço 1 Linha de Endereço 2 Linha de Endereço 3 Cidade Estado / Município / Província País CEP	N/A
DEFINIR	Sim	Definir uma lista de valores possíveis de um conjunto predefinido	N/A	Um campo Definir deve definir as opções permitidas como valores. Estes são refletidos no Validation Station.
Booleano	Sim	Valores Sim/Não	N/A	Um campo booleano aceita somente Sim ou Não como valores possíveis, e é refletido no Validation Station.
Tabela	Não	Dados tabulares	N/A	Um campo Tabela contém a definição das colunas.
Coluna de tabela	Não	Cada célula na tabela.	N/A	As Colunas de tabela em um campo Tabela são definidas como um dos campos regulares na lista Componentes. Eles não podem ser do tipo Tabela.

Outras informações capturadas na taxonomia

A Taxonomia também contém a lista de grupos e categorias, além de uma coleção de idiomas suportados que podem ser associados aos documentos processados. Por exemplo, para processar documentos em japonês e inglês, a tag Idiomas Suportados deve conter seus respectivos nomes de exibição e código de idioma. Recomenda-se adicionar um Idioma Indeterminado (código und) para dar suporte a casos excepcionais.

Métodos de extensão da taxonomia

Serialize()

Ao ser requisitado em um objeto DocumentTaxonomy, o método Serialize() retorna uma representação JSON do objeto para poder ser armazenado e recuperado para uso posterior.

Deserialize(String)

A extensão estática DocumentTaxonomy.Deserialize(jsonString) retorna um objeto DocumentTaxonomy alimentado com os dados codificados em JSON passados como parâmetro.

GetFields(String)

Ao ser requisitado em um objeto DocumentTaxonomy , o método GetFields() requisitado com uma string DocumentTypeId retorna uma lista de campos definidos dentro desse tipo de documento.

Como criar e editar a taxonomia do seu projeto

Assim que o pacote UiPath.IntelligentOCR.Activities estiver instalado em seu projeto no UiPath Studio, um botão Gerenciado de Taxonomia aparecerá no menu principal da aba Design do Studio. Use o assistente Gerenciado de Taxonomia para editar a taxonomia do seu projeto.

A Taxonomia é armazenada em um arquivo dentro do seu projeto UiPath Studio, na pasta DocumentProcessing e no arquivo taxonomy.json.

O arquivo é criado automaticamente quando você abre o assistente Gerenciador de Taxonomia pela primeira vez. Você pode verificar a localização exata do arquivo no Gerenciador de Taxonomia, passando o mouse sobre o botão . Alternativamente, cada vez que você abrir o Gerenciador de Taxonimia, uma mensagem pop-up será exibida no canto superior direito, informando a localização do arquivo. Quando um projeto é publicado a partir do Studio, a taxonomia será publicada com um artefato do projeto.

O arquivo taxonomy.json é exclusivo de cada projeto, mas pode ser reutilizado se for copiado manualmente para um novo projeto. Para isso, basta criar um projeto, acessar a pasta do projeto anterior e copiar o arquivo com a taxonomia de sua escolha para o local correto (na pasta DocumentProcessing).

Importante: para fins de integridade de dados, recomendamos sempre editar a taxonomia usando o Gerenciador de Taxonomia.

Como usar sua taxonomia em seu projeto

A taxonomia para Document Understanding é obrigatória como um Object em todo o framework do Document Understanding.

A maneira mais simples e conveniente de carregar seu objeto é usando a atividade Carregar Taxonomia. Após seu objeto de taxonomia ser carregado, você poderá usá-lo em todos os componentes de estrutura subsequentes que o exigirem.

Casos de uso avançados

• Se você optar por armazenar sua taxonomia em um local diferente, ainda poderá carregá-la em seu projeto (após obter o conteúdo da string do arquivo de taxonomia, por exemplo, em uma variável myTaxonomyContentString), usando uma simples atividade Atribuir, como segue:

  myTaxonomy = DocumentTaxonomy.Deserialize(myTaxonomyContentString)

• Caso seja necessário, lembre-se que a Taxonomia é um POCO (classe de objeto antigo e simples) que, quando necessário, pode ser editado mesmo em execução.