Document Understanding 活动

上次更新日期 2024年12月5日

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

“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。
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– 传统项目类型，使用建议用于标准场景的预训练专用模型。
- 您连接到的租户和文件夹中的现有项目。
- 您可以转到 Document Understanding 来创建自定义项目。
  有关更多信息，请访问模型构建简介。
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 - 选择项目后，您还可以选择要使用的提取程序。
- 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- 如果选择选项“生成式”，则会显示此字段。用于识别您要提取的字段的提示，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。选择字段，系统会提示您以下选项（以成对形式提供）：
- “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。
版本（预览版）- 在使用现有的 Document Understanding 新式项目时使用此属性。选择与要从中处理数据的项目版本相对应的标签。例如，如果您选择分配给版本 3 的“生产”标签，则该活动将在生产环境中处理来自项目版本 3 的数据。
版本的默认值为Staging 。如果所选项目中不存在临时标签，则默认值为Production 。

有关版本的更多信息，请访问发布模型。
文档类型（预览版）- 从“版本”字段选择标签时，活动会自动从所选项目的相关版本中选择第一个部署的文档类型。此外，该活动会显示与您选择的文档类型相关的提取字段。

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。