PREVIEW

提取文档数据 - 预览

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。

已知限制

“生成式预定义”项目类型和相应的提取程序在 Automation Suite 中不可用。

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。
  • 生成式预定义– 新式项目类型，使用预训练的生成式模型，接受指令作为提取文档数据的输入。
  • 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，您可以选择预训练模型。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”活动为所选提取程序提取文档类型中的可用字段信息（无论文档的实际类型如何）。这不适用于生成式模型。
  • 对于“生成式预定义”项目，您可以根据特定文档布局，从三种提取中选择：
    • 长文档简单版式提取程序 – 推荐用于主要包含文本和标题的长表单文档。例如，您可以在租赁协议、主服务协议或其他类似文档上使用“长文档简单布局提取程序”。
    • 长文档复杂布局提取程序 – 建议用于包含图像、手写内容、表单控件、浮动标注框或其他复杂布局类型等元素的长表单文档。例如，您可以在保险单等文档或其他类似文档上使用“长文档复杂布局提取程序”。
    • 短文档复杂布局提取程序 – 建议用于包含图像、手写、表单控件、浮动标注框或其他复杂布局类型等元素的短文档。例如，您可以在由政府签发的身份证、医疗保健登记表或其他类似文档上使用“短文档复杂布局提取程序”。
• 文档类型详细信息 - 如果选择“生成式”选项，则会显示此字段。用于识别您要提取的字段的提示词，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，这可帮助提取程序识别相应的值。选择该字段，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）
  • 说明 - 要求您提供有关应从相应字段提取哪些信息的说明。允许的最大字符数为 1000。响应（即提取结果，也称为完成）字数限制为 700。也就是不得超过 700 个单词。这意味着您无法从单个提示词中提取超过 700 个单词。如果您的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。
• 版本或标签 - 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“暂存”。如果所选项目中不存在“暂存”标签，则默认值为“生产”。

  有关版本的更多信息，请访问发布模型。

• 文档类型 - 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）- 调用生成式模型的最长执行时间（以秒为单位）。如果操作用时超过该上限，操作将自动终止，以防止延迟或挂起。仅当选择以下提取程序之一时，才会显示此属性：长文档简单布局提取程序、长文档复杂布局提取程序或短文档复杂布局提取程序。
• “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。

使用生成式提取程序 - 预览

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“生成式预定义”。
3. 对于“提取程序”，请选择以下提取程序之一：“长文档简单布局提取程序”、“长文档复杂布局提取程序”或“短文档复杂布局提取程序”。

   “文档类型详细信息”属性将显示在活动的主体中。

4. 对于“字典”，请以字典键值对的形式提供说明，其中：
   • “字段名称”表示要从文档中提取的字段的名称。例如 email address。
   • “说明”表示提供给提取程序，用于提取字段的信息的说明。这是生成式提取程序用于识别相应值的说明。

     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	说明
   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详细信息