Modelli personalizzati composti di Document Intelligence

Questo contenuto si applica a: v3.1 (GA) | Versione più recente: v4.0 (GA) | Versioni precedenti: v3.0 v2.1

Questo contenuto si applica a: v3.0 (GA) | Versioni più recenti: v4.0 (GA) v3.1 | Versione precedente: v2.1

Questo contenuto si applica a: versione 2.1 | più recente: v4.0 (GA)

Come usare la composizione del modello

• Per iniziare, raccogliere esempi di tutti i documenti necessari, inclusi esempi con informazioni che devono essere estratte o ignorate.

• Eseguire il training di un classificatore organizzando i documenti nelle cartelle in cui i nomi sono il tipo di documento che si intende usare nella definizione del modello composto.

• Infine, eseguire il training di un modello di estrazione per ogni tipo di documento che si intende usare.

• Dopo aver eseguito il training dei modelli di classificazione ed estrazione, usare Document Intelligence Studio, le librerie client o l'API REST per comporre i modelli di classificazione ed estrazione in un modello composto.

Usare il parametro splitMode per controllare il comportamento di suddivisione dei file:

• Nessuno. L'intero file viene considerato come un singolo documento.
• perPage. Ogni pagina del file viene considerata come un documento separato.
• auto. Il file viene suddiviso automaticamente in documenti.

Determinazione dei prezzi e fatturazione

I modelli composti vengono fatturati come i singoli modelli personalizzati. I prezzi si basano sul numero di pagine analizzate dal modello di analisi downstream. La fatturazione si basa sul prezzo di estrazione delle pagine indirizzate a un modello di estrazione. Con l'aggiunta degli addebiti espliciti di classificazione vengono effettuati addebiti per la classificazione di tutte le pagine nel file di input. Per altre informazioni, vedere la pagina dei prezzi di Informazioni sui documenti.

Usare l'operazione di composizione del modello

• Per iniziare, creare un elenco di tutti gli ID modello da comporre in un singolo modello.

• Comporre i modelli in un singolo ID modello usando le librerie client, l'API REST o Studio.

• Usare l'ID modello composto per analizzare i documenti.

Fatturazione

I modelli composti vengono fatturati come i singoli modelli personalizzati. I prezzi si basano sul numero di pagine analizzate. La fatturazione si basa sul prezzo di estrazione delle pagine indirizzate a un modello di estrazione. Per altre informazioni, vedere la pagina dei prezzi di Informazioni sui documenti.

• Il prezzo rimane invariato per l'analisi di un documento con un singolo modello personalizzato o un modello personalizzato composto.

Funzionalità dei modelli composti

• I modelli Custom template e custom neural possono essere uniti in un singolo modello composto in più versioni API.

• La risposta include una proprietà docType per indicare quale dei modelli composti è stato usato per analizzare il documento.

• Per i modelli custom template, è possibile creare il modello composto usando varianti di un modello personalizzato o tipi di modulo diversi. Questa operazione è utile nel caso in cui i moduli in ingresso appartengano a uno dei diversi modelli.

• Per i modelli custom neural, la procedura consigliata consiste nell'aggiungere tutte le varianti diverse di un singolo tipo di documento in un singolo set di dati di training ed eseguire il training sul modello neurale personalizzato. L'operazione model compose è più indicata per gli scenari in cui vengono inviati documenti di tipi diversi per l'analisi.

Limiti della composizione di modelli

• Con l'operazione model compose è possibile assegnare fino a 500 modelli a un singolo ID modello. Se il numero di modelli da comporre è maggiore del limite superiore di un modello composto, è possibile utilizzare una delle seguenti alternative:

  • Classificare i documenti prima di chiamare il modello personalizzato. È possibile usare il Modello Lettura e creare una classificazione basata sul testo estratto dai documenti e alcune frasi usando codice, espressioni regolari, ricerca e così via.

  • Se si vogliono estrarre gli stessi campi da vari documenti strutturati, semistrutturati e non strutturati, è consigliabile usare il modello neurale personalizzato di Deep Learning. Altre informazioni sulle differenze tra il modello personalizzato e il modello neurale personalizzato.

• L'analisi di un documento tramite modelli composti è identica all'analisi di un documento tramite un singolo modello. Il risultato Analyze Document restituisce una proprietà docType che indica quale dei modelli di componenti selezionati per l'analisi del documento.

• L'operazione model compose è attualmente disponibile solo per i modelli personalizzati sottoposti a training con etichette.

Compatibilità dei modelli composti

• Per comporre un modello sottoposto a training con una versione precedente dell'API (v2.1 o precedente), eseguire il training di un modello con l'API v3.0 usando lo stesso set di dati etichettato. Tale aggiunta garantisce che il modello v2.1 possa essere composto con altri modelli.

• I modelli composti con la versione 2.1 dell'API continuano a essere supportati e non richiedono aggiornamenti.

Document Intelligence v4.0:2024-11-30 (GA) supporta gli strumenti, le applicazioni e le librerie seguenti:

Document Intelligence v3.1:2023-07-31 (disponibilità generale) supporta gli strumenti, le applicazioni e le librerie seguenti:

Document Intelligence v3.0:2022-08-31 (disponibilità generale) supporta gli strumenti, le applicazioni e le librerie seguenti:

Document Intelligence v2.1 supporta le risorse seguenti: