Visão geral da taxonomia

O que é taxonomia

The Taxonomy is the metadata that the Document Understanding^TM framework considers in each of its steps.

• 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

Uma Taxonomia é uma estrutura hierárquica que contém o esquema das informações que a estrutura do Document Understanding usará ao longo do processo. Cada definição de entidade (para tipos de documento ou campos) encontrada na Taxonomia tem um ID exclusivo. 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 (até oito casas decimais)	N/A
Data	Sim	Datas	Dia Mês Ano	Date fields allow for the definition of an Expected Format , which must be an MSDN-compliant date format string (for example, dd-MM-yyyy or 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)

Called on a DocumentTaxonomy object, the GetFields() method called with a DocumentTypeId string returns a list of fields defined within that document type.

Como criar e editar a taxonomia do seu projeto

Once the UiPath.IntelligentOCR.Activities package is installed in your project in UiPath® Studio, a Taxonomy Manager button appears in the main ribbon of Studio's Design tab. Use the Taxonomy Manager wizard to edit your project taxonomy.

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

The file is automatically created when you first open the Taxonomy Manager wizard. You can check the exact location of the file in the Taxonomy Manager, by hovering over the button. Alternatively, each time you open the Taxonomy Manager, a pop-up message will appear in the upper right corner, informing you of the location of the file. When a project is published from Studio, the taxonomy will be published as well as an artifact of the project.

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:

For data integrity purposes, we recommend you always edit the taxonomy using Taxonomy Manager.

Como usar sua taxonomia em seu projeto

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

The simplest and most convenient way to load your object is by using the Load Taxonomy activity. Once your taxonomy object is loaded, you can use it in all subsequent framework components requiring it.

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.