UiPath Documentation
ixp
latest
false
Guia do usuário de Documentos complexos e não estruturados
Importante :
A tradução automática foi aplicada parcialmente neste conteúdo. A localização de um conteúdo recém-publicado pode levar de 1 a 2 semanas para ficar disponível.

Visão geral

Processo de validação para versões de modelos IXP, que abrangem avaliações de desempenho e verificações de precisão necessárias antes de implantar um modelo em produção.

Esta seção descreve o processo envolvido na validação do desempenho das versões do modelo em um projeto. A validação do desempenho do modelo é fundamental para garantir a precisão e a confiabilidade do modelo antes de ser implantado em um ambiente de produção.

O processo de validação do modelo​

  1. Avalie o desempenho do modelo comparando diferentes versões do modelo.
  2. Reúna estatísticas de validação.
  3. Refine o modelo até atingir o nível de desempenho adequado para seu caso de uso da seguinte forma:
    • Revise as previsões do modelo.
    • Refine o esquema de extração.

Interface do usuário​

O painel da aba Medida inclui os seguintes detalhes:

  • O desempenho de extrações completas para um grupo de campos específico e todos os campos de um grupo de campos.
  • O desempenho médio de todos os campos em um grupo de campos específico.
  • O desempenho individual no nível de campo.

A lista a seguir contém uma descrição de todos os indicadores de desempenho de campo:

  • Dial vermelho – Um dial de desempenho de campo vermelho indica que não foram fornecidos exemplos anotados suficientes.
  • Círculo âmbar – Um indicador de desempenho âmbar é exibido quando o desempenho de um campo é menos que satisfatório.
  • Círculo vermelho – Um indicador de desempenho vermelho é exibido quando um campo está com um desempenho ruim.
  • Recall – Entre as extrações verdadeiras, quantas extrações o modelo realmente previu.
  • Precisão – Entre as extrações que o modelo aplicou, quantas extrações estavam realmente corretas.
  • Pontuação F1 – Média harmônica entre precisão e recall.

Quando você entende o desempenho no nível de campo e o impacto de alterar as instruções de campo, isso pode ajudar você a determinar se o modelo está pronto para produção.

Melhores práticas​

  • Anotar pelo menos 10 documentos e 10 campos para obter uma pontuação significativa do projeto e do campo.
  • Você deve decidir quando parar de treinar o modelo com base em suas necessidades de negócios específicas e objetivos do caso de uso. Isso significa que você pode exigir que certos campos tenham uma precisão e recuperação maiores do que outros.
    Observação:

    Modelos de alta precisão minimizam os falsos positivos, enquanto modelos de alto recall reduzem os falsos negativos.

  • O processo de validação do modelo​
  • Interface do usuário​
  • Melhores práticas​

Esta página foi útil?

Conectar

Precisa de ajuda? Suporte(opens in new window)

Quer aprender? Academia UiPath(opens in new window)

Tem perguntas? Fórum do UiPath(opens in new window)

Fique por dentro das novidades