智能关键词分类器

什么是智能关键字分类器

智能关键字分类器是一种分类器，它使用从某些文档类型的文件中学习的字词向量执行文档分类。

该算法围绕对相同文档类型重复内容的概念构建而成，其前提是文档类型包含一系列通常会在这些文档类型中出现的词，从而可以计算向量相似度。

将文件归入某一文档类型时，“智能关键字分类器”：

• 会查找与文件更相似的最接近的字词向量，
• 会报告得分最高的文档类型，以及基本的匹配主字词。

“智能关键字分类器”还具有文件拆分功能，这意味着它可以针对给定文件、单独的页面范围报告多个类。

注意：与基于关键字的分类器不同，训练智能关键字分类器时，您不需要手动选择文档中的引用，并且在训练时提供的任何此类引用都将被忽略。

何时使用

在下列情况下，您应考虑使用此分类器：

• 您的文件在单个文件中包含一个或多个文档类型
• 就内容而言，您的文档类型相对容易区分。

注意：从版本 6.9.0 开始，“智能关键词分类器”活动的拆分性能已得到改进。为了优化拆分性能，请使用 6.9.0 或更高版本。

特殊要求

You need to use your Automation Cloud^TM Document Understanding^TM API Key, or host your own instance of the Intelligent Keyword Classifier in AI Center on-prem, to use this classifier.

如何训练

将“智能关键字分类器训练器”活动放在“训练分类器作用域”中，并进行相应配置。

在活动级别，我们无法在并行训练之间强制保持训练文件一致性。Document Understanding 流程提供了可用于解决此问题的两种方法。两者都包含流量控制：

1. 锁文件（在流程中默认实现）：使用 .lock 扩展名重命名文件，修改并保存文件，然后再次重命名文件以删除 .lock 扩展名
2. 手动设置特殊队列：在 Orchestrator 中创建一个空队列，并集成项目中的两个活动

有关如何训练分类器的更多信息，请查看此页面，其中描述了“管理学习”向导的使用过程。