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”活动需要“文档数据”或“文件”类型的输入对象。使用此活动的一个可能用例是在该活动之前使用“分类文档”活动，后者会生成类型为文档数据的对象。

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

Windows | 跨平台

配置

设计器面板

• 项目 - 要求您从下拉列表中选择 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。
  注意：如果您在租户上创建的项目超过 500 个，并使用“提取文档数据”活动，则 UiPath Studio 或 Studio Web 将不会显示最初 500 个项目之后的任何项目。因此，您不能使用超出的这些项目。

• 提取程序 - 从当前项目中选择提取程序。
  • 对于“预定义”项目，您有两个选择：
    • 选择一个 ML 包。访问开箱即用模型，获取可以使用的预训练模型列表。
      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。
    • 选择“生成式提取程序”。
      注意：发送到生成式提取程序的信息将发送到 LLM 模型实例。此实例为非公开可用，不会存储发送的数据，也不会将其用于训练目的。
      重要提示：

      此功能当前是审核流程的一部分，在审核完成之前不应视为 FedRAMP 授权的一部分。 请在此处查看当前正在审核的功能的完整列表。

• “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 - 如果设置为 True，这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，从而生成通用的 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。

输出

• 文档数据- 从文件中提取的所有字段数据。 还可从“分类文档”接收信息。

  访问文档数据，了解文档数据的工作原理，以及如何使用从单值和多值字段提取的结果。

使用生成提取程序

要快速开始使用“提取文档数据”活动的生成式功能，请执行以下步骤：

1. 添加提取文档数据活动。
2. 从“项目”下拉列表中，选择“预定义” 。
3. 对于“提取程序”，选择“生成提取程序” 。

   “提示”属性出现在活动的主体中。

4. 在“提示” 字段中，以“字典键值对”的形式提供说明，其中：
   • 键表示字段名称（例如：电子邮件地址）。
   • 值表示生成提示：生成提取程序用于标识相应值的说明。

     例如，请查看下表中的键值对示例：

   表 1. 生成式提取程序提示的键值对示例

   字段名称	生成式提示
   名称	“候选人叫什么名字？”
   当前作业	“候选人当前的工作是什么？”
   雇主	“候选人当前的雇主是什么？”

   图 1. 生成式提取程序的键值对提示词