标注文档

在 Document Understanding 新式项目中标注文档的关键概念，包括预加标签功能的工作方式以及特定于部署的可用性。

备注：

功能可用性取决于您使用的云平台。有关详细信息，请参阅“选择部署类型”页面。

备注：

预加标签功能依赖于 UiPath Helix Extractor，但仅适用于位于欧洲地区的租户。如果您的租户位于欧洲以外的区域，则此功能将使用上一代模型架构。

成功创建项目并将文档上传到特定文档类型后，系统会自动为文档预添加批注。这是根据文档类型的架构，将生成式和专用模型结合使用来完成的。架构明确定义了要从特定文档类型中提取的字段。要查找文档类型的架构，请转到“注释”页面并查看“字段”部分。

预测在文档中的文本上显示为下划线，无法删除。如果这些信息不正确且无法与特定字段匹配，您可以忽略它们。在训练流程期间，只有确认的字段会被用于训练，而不会考虑下划线。

随着您继续添加更多标注，预测下划线应会逐渐与您的输入对齐。开头下划线和用户标注字段之间可能存在一些不一致。但是，随着您创建的标注数量增加以及模型的改进，下划线与用户提供的数据之间的排列应该会更加精确。

在以下图像中，送货地址被错误预测为包含人员姓名。

要解决此问题，您只需确认收货地址。无需删除与名称相关的带下划线的文本。当您继续批注并更正此类错误时，带下划线的文本与已确认的字段不一致的情况应该会减少。

备注：

在开始训练运行之前，至少需要完成 40 次操作。例如，如果您有 20 个文档，则每个文档至少需要批注 2 个字段，总共需要 40 次操作。达到此阈值后，请在文档类型的注释页面上选择“开始训练” ，将训练加入队列。有关按钮状态和训练生命周期的详细信息，请参阅“开始训练运行” 。

提示：

要优化模型性能，请遵循“建议”部分中的建议。这些建议旨在提高模型的整体性能。

Fields included in the trained model

A field belongs to the document type schema as soon as it is defined, but it enters the trained model only when enough annotated documents support it. The threshold differs by field type.

字段类型	Annotation required for inclusion
Extraction field	Annotated with a value in at least one document.
Classification field	At least two of its classes, each annotated in at least five documents.

重要提示：

Values marked as missing do not count toward inclusion. An extraction field is left out of the trained model if every one of its annotations is marked as missing, even though those documents appear as annotated in the Build section.

For a classification field, classes annotated in fewer than five documents are left out of the trained model. If fewer than two classes remain, the whole field is left out. This is separate from the requirement to define at least two classes when the field is created, described on the Build page.

备注：

Part of your annotated data is set aside automatically for validation, and only documents in the training set count toward these thresholds. Annotating more than the minimum keeps a class from falling short after the split.

Recommendations flag classification fields and classes that have too few annotations. For more information, see Measure.

提取视图

您可以使用提取视图菜单更改提取视图模式。要访问此功能，请选择文档类型名称右侧的三点图标 ⁝，然后选择“提取视图”。

筛选值由只读的预测和可供用户编辑的标注组成。

您可以从列表中选择以下提取视图：

• 按列合并：模型预测显示在没有任何批注的列中。对于较小的表格，请选择此选项，您可以在其中查看和验证整个列。
• 按行合并：模型预测显示在没有任何批注的行中。如果您有较大的表格并且要逐行验证，请选择此项。
• 仅确认：仅显示从用户确认的标注提取的值。
• 仅预测（预测） ：仅显示模型预测。模型已重新训练时自动更新，并且不可编辑。
• 显示侧面板：在左侧显示带标注字段的面板。
• 显示表格：显示表格标注面板。

验证预测的文档

上传并预测所有文档后，您的目标是验证或修改预批注的字段。对于所有字段均被准确预测的文档，请选择“确认”以一次性确认所有字段。文档确认后，将在文档列表中显示绿色盾牌符号。

如果文档仅部分确认，则系统会在文档列表中以空的盾牌符号对其进行标记。这表示此特定文档的批注流程为“正在进行” 。您的最终目标是确保所有文档都是“确认”状态。

在验证期间，您可能会遇到以下情况：

• 预测正确，应进行验证。
• 预测不正确，该字段存在于文档中。
• 预测不正确，文档中缺少该字段。
• 没有预测。

预测正确，应进行验证

如果预测准确无误，您可以通过选择带下划线的文本并选择“确认”或选中字段的确认复选框来进行确认。不过最便捷的方法是直接按下分配给该字段的快捷键（在此场景中为“N”）。

预测不正确，且该字段位于文档中

如果预测不正确，请从文档中选择正确的文本和从下拉列表中选择相应的字段，然后选择“确认”。

当处理表格时，您可以选择忽略错误预测的值。这些值将不会用于模型训练，而重新训练的模型将学会在后续迭代中避免预测这些值。

预测不正确，文档中缺失该字段

如果预测不正确且文档中缺少该字段，请选择字段名称旁边的三点图标 ⁝，然后选择“标记为缺失”。

重要提示：

您也可以将错误的字段标记为缺失。例如，如果您的文档中没有“供应商地址” ，但在处理过程中将另一个字段预标记为“供应商地址” ，则您可以在验证期间将其标记为“缺失”。

无预测

没有预测的字段显示为空单元格。您可以将这些单元格逐一标记为缺失，或通过选择“确认”按钮批量标记为缺失。

文档类型设置

您可以在“批注”视图中更改文档类型设置。

要这样做，请选择文档类型名称右侧的三点图标 ⁝，然后选择“设置”。

您可以更改以下设置：

• 基本模型：“建议操作”中使用的数据集大小估计值取决于用于训练的基本模型。使用与您的文档类型最相似的基本模型将减少所需的注释工作量。
• 语言数量：“建议操作”中使用的数据集大小估计值取决于数据集中语言的数量。通常情况下，语言越多，需要添加注释的数据就越多。