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

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“批注”页面并查看“字段”部分。

有关如何注释文档的详细信息，请查看注释文档操作方法页面。

编辑字段设置

您可以在“文档类型管理器”中编辑多个字段的设置。

为此，请选择要编辑的文档类型旁边的三点图标 ⋮，然后从菜单中选择“文档类型管理器”。

图 1. 选择文档类型管理器

编辑或添加新字段

要添加新字段，请选择“添加字段”并填写所需信息。您可以为每个字段添加或编辑以下选项：

• 字段名称：字段的唯一名称。
• 内容类型：字段的内容类型：
  • 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 号：用于字母数字代码和 ID 号。它类似于字符串内容类型，但会删除 : 字符之前的所有字符。如果要提取的 ID 号可能包含 : 字符，请改用 string 内容类型，以避免数据丢失。
• 快捷键：字段的快捷键。允许使用一个键或两个键的组合。
• 高级设置：可用选项因所选字段的内容类型而异。选择所需字段的“高级设置”按钮以进行编辑：
  图 2. 文档类型高级设置
  

  

  
  
  • 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：如果模型预测了文档内某一字段的多个实例，则让模型返回具有最高置信度的值。
    评分：运行模型预测评估时用于确定准确度的度量，仅适用于内容类型为“字符串”的字段：
    • exact_match：只有当预测与真实值完全匹配时，预测才会被视为正确（分数为 1）。如果预测与真实值有差别，即使只是一个字符的不同，预测也会被视为不正确（分数为 0）。这是所有字段（“字符串”字段除外）的默认设置。
    • 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。
  • 日期格式：此字段仅适用于内容类型为“日期”的字段，并且指示如何解析和返回不明确的日期：
    • 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。

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。

解决方法：为避免这种情况，请在修改文档类型字段后重新训练文档类型。在发布新版本之前，您可以通过标记或确认该类型的其他文档来完成此操作。

模型设置

您可以在“模型设置”视图中更改文档类型设置。为此，请选择“模型设置”。

图 3. 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。

搜索字段名称

您可以搜索可用的字段名称。为此，请使用“文档类型管理器”界面左上角的搜索栏。为了更高效地搜索，请使用“筛选”功能按“内容类型”进行筛选。

图 4. 搜索字段名称

删除字段

在要删除的字段旁边选择“删除”。

图 5. 删除字段

您也可以选择多个（或全部）字段，然后一次性将其删除。为此，请选中要删除的字段旁边的复选标记，然后单击“删除”。

图 6.一次删除多个字段

搜索文档

您可以按文档名称搜索上传的文档。为此，请使用“构建”部分左侧的搜索栏。为了更有效地搜索，请使用“筛选”功能，按以下条件筛选：

• 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

项目和模型分数

您可以从右上角查看项目的总体分数。此分数是所有文档类型的分类器分数和提取程序分数的影响因素。单击“项目分数”以显示“衡量指标”部分。您可以在该部分中查看更深入的性能衡量指标。

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。

注意：要获取项目分数，您需要上传至少 10 个文档。对于文档类型分数，您至少在同一文档类型下有 10 个文档。

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)

选择“详细模型分数”以转到“衡量指标”部分以获取详细信息。