document-understanding
2022.4
true
Document Understanding 用户指南
Automation CloudAutomation Cloud Public SectorAutomation SuiteStandalone
Last updated 2024年10月24日

标注文档

如需了解所需的文档数量,请参阅管道

有关如何组合高质量数据集的更多详细信息,请参阅“训练高性能模型”。

同一个文档中多次出现的字段

在许多情况下,某个字段会出现在同一文档甚至同一页面的多个位置中。只要它们具有相同的含义,这些都应加上标签。

例如,水电费账单的总金额。它通常显示在顶部、中间的行项目列表中,或在底部的工资单中,您可以将其分离,然后在邮件中随支票一起发送。在这种情况下,所有三个出现的事件都将被标记。这非常有用,因为在某些情况下,如果存在 OCR 错误或版式不同,并且无法识别一个字段,则模型仍可以识别其他出现的字段。

注意:重要的是值的含义,而不是值本身。例如,对于一些不含税的发票,净额和总金额具有相同的值。但它们显然是不同的概念。因此,不应将两者同时标记为总金额,而应仅将其中含义为总金额的标记为总金额。

多个用户并行加标签

您可以让多个用户同时使用同一实例添加标签,即使是在同一文档中也是如此。

如果对架构执行并发更改,则对于其中一个用户,更改将通过,而对于其他用户,系统将显示警告消息,指出无法执行更改。其他用户应立即刷新其浏览器以查看更改。

用于训练的标签

当你输入一个数据集而不选中“导入数据”对话框中的“将此设为评估集”复选框,那么该数据集将被用于训练,您只需要专注于对文档中的词语(灰框)添加标签。

如果侧边栏字段中填充的文本有时不正确,这不是问题,因为 ML 模型仍会学习。在某些情况下,您可能需要调整字段的配置:例如,通过选中“多行”复选框。但是,总的来说,我们主要还是要为页面上的词语添加标签。

用于评估的标签

导入数据集时,如果选中“导入数据”对话框中的“将此设为评估集”复选框,则 AI Center 中的“训练管道”将不会使用该数据集,而只有“评估管道”会使用该数据集。

请务必在侧边栏(或列字段的顶栏中)填写正确的文本。这需要花费更长的时间来验证每个字段,但这是您获得正在构建的 ML 模型准确性可靠指标的唯一方法。

2021.10 发行版开始,Document Manager 支持标记多页文档。因此,侧边栏中的字段在整个文档中具有单个值。这密切反映了 RPA 工作流中运行时的行为,并使 AI Center 中的评估管道能够生成反映 ML 模型实际运行时性能的真实分数。

但是,请谨记,与以前的版本相比(每个页面都需要单独标记),这是一个重大变化。标记和导出多页文档时,假设每个文档代表一个逻辑文档。例如,一个六页的文档可能包含单张六页的发票,但不应包含三张不同的发票(每张发票两页)。这对于评估集尤其重要。

标签操作

请参见下文,了解在标记文档时需要执行的主要操作。可以在同一个页面上的多个位置标记给定字段。

为字段添加标签

单击以选择单个文本框。

要选择多个词,请单击第一个词,然后 Ctrl/Shift 并单击剩余的词,或通过拖动鼠标(橡皮筋)来选择整个区域。
要从您的选择中取消选择某些文本框,请在按 Ctrl/Shift 的同时再次单击或用橡皮筋将不需要的文本框括起来。

选择准确后,点击快捷键为字段添加标签。



删除标签

选择文本框,然后按键盘上的 DeleteBackspace 键。


将表格行分组

为某些列字段添加标签后,并且仅当某些行跨越多行文本时,才可以通过按 / 键将它们分组,以示它们属于同一表格行。该组周围将出现一个绿色框。


取消表格行分组

选择组,然后再次按 / 键。


更正带标签的值

单击侧边栏或顶栏中的文本,然后编辑内容。系统将显示一个小锁,指示您已手动编辑字段。为评估集添加标签时,这是必需的。



将标签值重置为自动提取的值

单击该锁,字段将还原为自动提取的值。



此页面有帮助吗?

获取您需要的帮助
了解 RPA - 自动化课程
UiPath Community 论坛
Uipath Logo White
信任与安全
© 2005-2024 UiPath。保留所有权利。