Modelos personalizados compostos por Document Intelligence

Este conteúdo aplica-se a: v3.1 (GA) | Última versão: v4.0 (GA) | Versões anteriores: v3.0 v2.1

Este conteúdo aplica-se a: v3.0 (GA) | Últimas versões: v4.0 (GA) v3.1 | Versão anterior: v2.1

Este conteúdo aplica-se a: v2.1 | Última versão: v4.0 (GA)

Como usar a composição do modelo

• Comece coletando amostras de todos os seus documentos necessários, incluindo amostras com informações que devem ser extraídas ou ignoradas.

• Treine um classificador organizando os documentos em pastas onde os nomes das pastas são o tipo de documento que você pretende usar na definição do modelo composto.

• Por fim, treine um modelo de extração para cada um dos tipos de documentos que você pretende usar.

• Depois que seus modelos de classificação e extração forem treinados, use o Document Intelligence Studio, bibliotecas de clientes ou a API REST para compor os modelos de classificação e extração em um modelo composto.

Use o splitMode parâmetro para controlar o comportamento de divisão de arquivos:

• Nenhum. Todo o ficheiro é tratado como um único documento.
• perPage. Cada página do ficheiro é tratada como um documento separado.
• automático. O ficheiro é automaticamente dividido em documentos.

Faturação e preços

Os modelos compostos são cobrados da mesma forma que os modelos personalizados individuais. O preço é baseado no número de páginas analisadas pelo modelo de análise a jusante. O faturamento é baseado no preço de extração das páginas roteadas para um modelo de extração. Com a adição da classificação explícita, são incorridos encargos para a classificação de todas as páginas no ficheiro de entrada. Para obter mais informações, consulte a página de preços do Document Intelligence.

Usar a operação de composição do modelo

• Comece criando uma lista de todos os IDs de modelo que você deseja compor em um único modelo.

• Componha os modelos em um único ID de modelo usando o Studio, a API REST ou as bibliotecas de cliente.

• Use o ID do modelo composto para analisar documentos.

Faturação

Os modelos compostos são cobrados da mesma forma que os modelos personalizados individuais. O preço é baseado no número de páginas analisadas. O faturamento é baseado no preço de extração das páginas roteadas para um modelo de extração. Para obter mais informações, consulte a página de preços do Document Intelligence.

• Não há alteração no preço para analisar um documento usando um modelo personalizado individual ou um modelo personalizado composto.

Características dos modelos compostos

• Custom template e custom neural os modelos podem ser compostos juntos em um único modelo composto em várias versões de API.

• A resposta inclui uma docType propriedade para indicar qual dos modelos compostos foi usado para analisar o documento.

• Para custom template modelos, o modelo composto pode ser criado usando variações de um modelo personalizado ou diferentes tipos de formulário. Esta operação é útil quando os formulários de entrada pertencem a um dos vários modelos.

• Para custom neural modelos, a prática recomendada é adicionar todas as diferentes variações de um único tipo de documento em um único conjunto de dados de treinamento e treinar em modelo neural personalizado. A model compose operação é mais adequada para cenários em que você tem documentos de diferentes tipos sendo enviados para análise.

Limites do modelo de composição

• Com a model compose operação, você pode atribuir até 500 modelos a um único ID de modelo. Se o número de modelos que quero compor exceder o limite superior de um modelo composto, você pode usar uma destas alternativas:

  • Classifique os documentos antes de chamar o modelo personalizado. Você pode usar o modelo Read e criar uma classificação com base no texto extraído dos documentos e determinadas frases usando fontes como código, expressões regulares ou pesquisa.

  • Se você quiser extrair os mesmos campos de vários documentos estruturados, semiestruturados e não estruturados, considere usar o modelo neural personalizado de aprendizado profundo. Saiba mais sobre as diferenças entre o modelo de modelo personalizado e o modelo neural personalizado.

• Analisar um documento usando modelos compostos é idêntico a analisar um documento usando um único modelo. O Analyze Document resultado retorna uma docType propriedade que indica qual dos modelos de componente você selecionou para analisar o documento.

• Atualmente, a model compose operação está disponível apenas para modelos personalizados treinados com etiquetas.

Compatibilidade de modelos compostos

• Para compor um modelo treinado com uma versão anterior da API (v2.1 ou anterior), treine um modelo com a API v3.0 usando o mesmo conjunto de dados rotulado. Essa adição garante que o modelo v2.1 possa ser composto com outros modelos.

• Com modelos compostos usando v2.1 da API continua a ser suportado, não exigindo atualizações.

O Document Intelligence v4.0:2024-11-30 (GA) suporta as seguintes ferramentas, aplicações e bibliotecas:

O Document Intelligence v3.1:2023-07-31 (GA) suporta as seguintes ferramentas, aplicações e bibliotecas:

O Document Intelligence v3.0:2022-08-31 (GA) suporta as seguintes ferramentas, aplicações e bibliotecas:

O Document Intelligence v2.1 suporta os seguintes recursos: