提取文档数据

UiPath.IntelligentOCR.StudioWeb.Activities.ExtractDocumentDataWithDocumentData<UiPath.IntelligentOCR.StudioWeb.Activities.DataExtraction.ExtendedExtractionResultForDocumentData>

描述

从输入文件或文档数据对象中提取数据，并将结果存储到文档数据对象中。

在开始之前

先决条件

“提取文档数据”活动之前需要一个可提供文档数据对象的活动（由其他 Document Understanding 活动生成，例如“分类文档”）。

输入选项

“提取文档数据”活动接收以下选项之一作为输入：

文档数据 - 来自“分类文档”活动
文件 - 来自“获取文件/文件夹”或“获取最新的电子邮件”活动

生成式模型支持的语言

生成式模型支持的语言与所使用的 OCR 引擎相同，这取决于项目。对于预定义项目，使用的 OCR 引擎为 UiPath Document OCR。有关更多信息，请访问“OCR 支持的语言”页面。

活动使用的模型

“提取文档数据”活动使用以下内容：

用于开箱即用模型的公共端点。
在 Document Understanding 应用程序项目中部署的自定义 ML 模型。
生成提取模型。

项目兼容性

跨平台

配置

设计器面板

项目 - 要求您从下拉菜单中选择 Document Understanding 项目。可用选项包括：
- 预定义 - 默认项目
- 您可以转到 Document Understanding 来创建自定义项目。

提取程序 - 要求您从所选项目中选择提取程序。对于“预定义项目”，可用选项包括：
- 可在此处找到的任一 ML 包
  注意： “提取文档数据”活动会使用选定的提取程序覆盖文档类型。这不适用于生成式模型。
- 生成式
  注意：系统会将发送到生成式提取程序的数据发送到未公开可用的 LLM 模型实例，不会离开该实例，并且一旦处理完毕，系统不会存储该数据或将该数据用于训练。
“提示” - 如果您选择选项“生成”，则会显示此字段。提示您识别要提取的字段，以键值对形式提供，其中键表示字段的名称，而值表示字段的说明，以帮助提取程序识别相应的值。单击该字段，系统会提示您以下选项（以对形式提供）：
- “字段名称”- 要求您输入要提取的字段名称，例如到期日期（最多 30 个字符）
- 生成提示- 要求您提供提示作为生成提取程序的输入。允许的最大字符数为 1000。响应、提取结果（也称为补全）的字数限制为 700。不得超过 700 字。这意味着您无法从单个提示中提取超过 700 个单词。如果提取要求超过此限制，您可以将文档拆分为多个页面，单独处理，然后合并结果。
提示：有关如何使用生成式提示的良好做法，请查看生成提取程序 - 良好做法页面。
“输入”- 如果您以前在工作流中使用过其他 Document Understanding 活动，则需要指定文件本身或文档数据（例如，“分类文档”）。
重要提示：一个文件最多可包含 500 页。超过此限制的文件将无法提取。

属性面板

输入

“超时（秒） ” - 生成模型调用的最长执行时间（以秒为单位）。如果操作超过此超时时间，系统会自动终止操作，以防止延迟或挂起。仅当选择生成提取程序作为提取程序时，才会显示此属性。
“自动验证” - 使用此选项启用自动验证，此功能可帮助验证根据生成模型提取数据所获得的结果。自动验证字段的默认值为False 。
- “置信度阈值” - 启用“自动验证”后，此字段将可见。系统会将低于阈值的提取结果与生成式提取模型进行比较。如果匹配，则系统会调整提取可信度以满足阈值。可能的阈值范围是从 0 到 100。
  如果将该值设置为 0，则不应用任何验证。但是，如果设置特定值（从 0 到 100），系统会检查低于此值的所有提取结果。例如，如果您将置信度阈值设置为 80%，则系统将对置信度低于 80% 的字段应用生成式验证。
  
  注意：自动验证仅适用于专用提取模型。
生成数据类型（预览版）- 如果设置为True ，则表示应根据所选提取程序生成输出，从而生成IDocumentData<ExtractorType>对象。或者，如果设置为False ，则表示应跳过数据生成，从而生成通用IDocumentData<DictionaryData>对象。
请访问文档数据，了解适用于这两种对象类型的其他详细信息和限制。