构建

本部分会介绍以下体验：

• 上传文档并自动对其进行分类。
• 直接将文档上传到文档类型中。
• 管理项目中的文件（添加、删除文件以及添加、更改标签）。
• 标注文档。
• 添加或删除字段。
• 获得有关使用建议训练分类和提取模型的指导性体验。

标注文档

After successfully creating your project and uploading your documents to a specific document type, they are automatically pre-annotated. This is done using a combination of generative and specialized models, based on the document type's schema. The schema clearly defines the fields you want to extract from a particular document type. To find the document type's schema, go to the Annotation page and check the Fields section.

For more in-depth information on how to annotate your documents, check the Annotate documents how-to page.

待审核的异常

您可以使用在验证站点中验证的文档，进一步提高模型的性能。

如果在验证步骤后作出任何更改，受影响文档类型会显示“待审核异常”按钮。

图 1. “待审核的异常”按钮

有关如何重新训练模型的更多深入信息，请查看“重新训练提取程序”指南页面。

为文档添加标签

上传文档后，您可以为其添加标签。

您可以为每个文档添加一个最多包含 100 个字符的标签。

要向文档添加标签，请选择要添加标签的文档，然后在文档类型列表上方的菜单中选择“标签”按钮。

如果使用标签进行筛选，您可以更轻松地搜索文档。训练模型时，您还可以在高级配置文件中根据标签查看结果。

文档类型管理

You can edit the settings for multiple fields from Document type manager.

To get to there, select the three-dot icon ⋮ next to the document type you want to edit and select Document type manager from the menu.

图 2. 选择文档类型管理器

备注：

仅当用户具备执行该建议操作的足够权限时，Document Understanding 中的建议才会显示。如果您没有权限执行建议的操作，您将看到一条消息，指出访问权限不足。 拥有 Document Understanding 开发者、Document Understanding 管理员和 Document Understanding 项目管理员角色的用户可以查看所有可用的建议。项目管理员角色仅在项目级别应用这些权限。

提取字段

编辑或添加新字段

To add a new field, select Add field and fill in the needed information. You can add or edit the following options for each field:

• Field name: the unique name for the field.

• Content type: the content type of the field:

  • 字符串：用于公司名称或地址，以及付款条款，或者当您想要在 RPA 工作流中的其他字段中手动构建解析逻辑或格式设置逻辑时，用于这些字段。
  • 数字：用于金额或数量，具有小数/千位分隔符的智能解析功能。
  • 日期：使用 YYYY-MM-DD 格式解析、格式化和统一输出。
  • 电话：用于电话号码。设置格式会删除字母和括号，并将空格替换为短划线。
  • ID Number: used for alphanumeric codes, numbers of IDs. It's similar to the string content type, but removes any characters coming before the : character. If the Id number you need to extract can contain : characters, use string content type instead to avoid data loss.

• 快捷键：字段的快捷键。允许使用一个键或两个键的组合。

• Advanced settings: the available options differ depending on the Content type of the selected field. Select the Advanced settings button for the desired field to edit: Figure 3. Document type advanced settings

  

  • 字段 ID：字段的唯一 ID。
  • 后处理：
    • first_span：如果模型预测了文档内某一字段的多个实例，则让模型返回第一个实例。
    • longest_value：如果模型预测了文档内某一字段的多个实例，则让模型返回字符数最多的值。
    • highest_confidence: if the model predicts more than one instance of a field in a document, make it return the value with the highest confidence.Scoring: the measure used to determine the accuracy when running evaluations of model predictions is only available for fields with content type String:
    • exact_match: prediction will only be deemed to be correct (score of 1) if it exactly matches the true value. If it differs by even a single character, then it is deemed to be incorrect (score of 0). This is the default setting for all fields except for String fields.
    • levenshtein：根据预测与真实值之间的 Levenshtein 距离，预测被视为部分正确。示例：如果系统除最后 2 个字母之外正确预测了 10 个字母组成的值，则此预测的分数为 0.8。
  • Date format: this field is only available for fields with content type Date and it indicates how ambiguous dates are parsed and returned:
    • 自动
    • 美式：YYYY-DD-MM
    • 非美式：YYYY-MM-DD
  • Multi-line：跨越多个文本行的字段（地址或说明）需要检查此项目，否则系统将只返回第一行。
  • Multi-value：字段将返回一个列表，其中包含在文档中检测到的所有值。

您也可以从此视图中对字段重新排序。

如果您在重新触发训练之前发布新的项目版本，则文档类型设置中的更改不会反映在新的项目版本中。

Workaround: To avoid this, retrain the document type after making modifications to the document type fields. You can do this by tagging or confirming additional documents for that type before publishing a new version.

搜索字段名称

You can search through the available field names. To do so, use the search bar from the top left corner of the Document type manager interface. For a more efficient search, use the Filter feature to filter by Content type.

图 4. 搜索字段名称

删除字段

选择你要删除的字段旁的“删除”按钮。

图 5. 删除字段

You can also select several (or all) fields and delete them at once. To do so, select the check mark next to the fields you want to delete and then select Delete.

Figure 6. Delete several fields at once

分类字段

分类字段是引用整个文档的数据点。例如，收据的费用类型（食品、酒店、航空或交通）或发票的币种（美元、欧元、日元）是分类字段。

备注：

以下限制目前适用于“分类”字段功能：

• 使用“提取文档数据”活动时，分类字段支持新式项目提取程序和开箱即用的模型，但不支持传统项目提取程序。
• 只有训练成功后，才会为自定义文档类型提取分类字段。

编辑或添加分类字段

要添加新的分类字段，请选择“添加字段”，然后键入新字段的名称。

您也可以从此视图中对字段重新排序。

图 7. 添加新的分类字段

要查看分类字段 ID，请选择所需分类字段旁边的高级设置。

图 8. 分类字段高级设置

编辑或添加类

要为分类字段添加新类，请选择“添加类”，然后键入类名称和可选描述。

备注：

Each classification field must contain at least two classes.

图 9. 添加新类

您可以编辑每个类的名称和描述。

您还可以从此视图重新排序类。

要移除类，请选择您要移除的类旁边的“删除”。

图 10. 删除类

设置

您可以在设置选项卡中更改文档类型设置。

图 11. 模型设置

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。

搜索文档

You can search uploaded documents by document name. To do so, use the search bar from the left corner of the Build section. For a more efficient search, use the Filter feature to filter by:

• 文档类型：从下拉列表中选择所需的文档类型。
• 上传日期：选择上传文档的日期间隔。
• 状态：选择文档的状态。
• 标签：选择要筛选的标签。

图 12. 筛选文档

项目和模型分数

You can check your project's overall score from the top right corner. This score factors in the classifier and extractor scores for all document types. Select Project score to display the Measure section. You can check more in-depth performance measurements in that section.

您可以在“文档类型”部分单独查看每种文档类型的分数。此分数会影响模型的整体性能以及数据集的大小和质量。

备注：

You need to upload at least 10 documents to get a project score. For a document type score, you need at least 10 documents under the same document type.

如果选择分数标签，则可以查看模型的模型评分。模型评分是一项功能，旨在帮助您为分类模型的性能实现可视化。具体表现形式为 0 到 100 之间的模型分数，如下所示：

• 差 (0-49)
• 一般 (50-69)
• 良好 (70-89)
• 非常好 (90-100)

Select Detailed model scores to go to the Measure section for detailed information.