Zusammengestellte benutzerdefinierte Modelle für Dokumentenintelligenz

Dieser Inhalt gilt für:v3.1 (GA) | Neueste Version:v4.0 (GA) | Frühere Versionen:v3.0v2.1

Dieser Inhalt gilt für:v3.0 (wird eingestellt) | Neueste Versionen:v4.0 (GA)v3.1 | Vorherige Version:v2.1 (wird eingestellt)

Dieser Inhalt gilt für:v2.1 | Neueste Version:v4.0 (GA)

Anleitung zur Benutzung von Model Compose

• Beginnen Sie mit dem Sammeln von Proben aller benötigten Dokumente, einschließlich Proben mit Informationen, die extrahiert oder ignoriert werden sollen.

• Trainieren Sie einen Klassifizierer, indem Sie die Dokumente in Ordnern organisieren, in denen die Ordnernamen der Dokumenttyp sind, den Sie in Ihrer zusammengesetzten Modelldefinition verwenden möchten.

• Trainieren Sie schließlich ein Extraktionsmodell für die einzelnen Dokumenttypen, die Sie verwenden möchten.

• Nachdem Ihre Klassifizierungs- und Extraktionsmodelle trainiert wurden, verwenden Sie Document Intelligence Studio, Clientbibliotheken oder die REST-API , um die Klassifizierungs- und Extraktionsmodelle in einem zusammengesetzten Modell zu erstellen.

Verwenden Sie den splitMode Parameter, um das Verhalten der Dateiaufteilung zu steuern:

• Keine. Die gesamte Datei wird als einzelnes Dokument behandelt.
• perPage. Jede Seite in der Datei wird als separates Dokument behandelt.
• auto. Die Datei wird automatisch in Dokumente aufgeteilt.

Abrechnung und Preise

Zusammengesetzte Modelle werden genauso berechnet wie individuelle benutzerdefinierte Modelle. Die Preise basieren auf der Anzahl der Seiten, die vom nachgelagerten Analysemodell analysiert werden. Die Abrechnung basiert auf dem Extraktionspreis für die Seiten, die an ein Extraktionsmodell weitergeleitet werden. Mit der expliziten Klassifizierung entstehen Gebühren für die Klassifizierung aller Seiten in der Eingabedatei. Weitere Informationen finden Sie auf der Dokumentintelligenz-Preisseite.

Verwenden des Modellzusammenstellungsprozesses

• Erstellen Sie zunächst eine Liste aller Modell-IDs, die Sie in einem einzigen Modell erstellen möchten.

• Kombinieren Sie die Modelle zu einer einzigen Modell-ID mithilfe der Studio-, REST-API- oder Clientbibliotheken.

• Verwenden Sie die zusammengesetzte Modell-ID, um Dokumente zu analysieren.

Abrechnung

Zusammengesetzte Modelle werden in gleicher Weise wie individuelle benutzerdefinierte Modelle in Rechnung gestellt. Die Preise basieren auf der Anzahl der analysierten Seiten. Die Abrechnung basiert auf dem Extraktionspreis für die Seiten, die an ein Extraktionsmodell weitergeleitet werden. Weitere Informationen finden Sie auf der Dokumentintelligenz-Preisseite.

• Es gibt keine Änderung der Preise für die Analyse eines Dokuments mithilfe eines einzelnen benutzerdefinierten Modells oder eines zusammengesetzten benutzerdefinierten Modells.

Zusammengesetzte Modelleigenschaften

• Custom template- und custom neural-Modelle können zu einem einzigen zusammengesetzten Modell über mehrere API-Versionen hinweg kombiniert werden.

• Die Antwort enthält eine docType Eigenschaft, die angibt, welche der zusammengesetzten Modelle zum Analysieren des Dokuments verwendet wurde.

• Für custom template Modelle kann das zusammengesetzte Modell mithilfe von Variationen einer benutzerdefinierten Vorlage oder unterschiedlicher Formulartypen erstellt werden. Dieser Vorgang ist nützlich, wenn eingehende Formulare zu einer von mehreren Vorlagen gehören.

• Für custom neural Modelle empfiehlt es sich, alle verschiedenen Variationen eines einzelnen Dokumenttyps zu einem einzigen Schulungsdatensatz hinzuzufügen und das benutzerdefinierte neurale Modell zu trainieren. Der model compose Vorgang eignet sich am besten für Szenarien, wenn Dokumente unterschiedlicher Typen zur Analyse übermittelt werden.

Grenzwerte für das Zusammenstellen von Modellen

• Mit dem model compose Vorgang können Sie einer einzelnen Modell-ID bis zu 500 Modelle zuweisen. Wenn die Anzahl der Modelle, die ich verfassen möchte, die Obergrenze eines zusammengesetzten Modells überschreitet, können Sie eine der folgenden Alternativen verwenden:

  • Klassifizieren Sie die Dokumente vor dem Aufrufen des benutzerdefinierten Modells. Sie können das Lesemodell verwenden und eine Klassifizierung basierend auf dem extrahierten Text aus den Dokumenten und bestimmten Ausdrücken erstellen, indem Sie Quellen wie Code, reguläre Ausdrücke oder Suche verwenden.

  • Wenn Sie dieselben Felder aus verschiedenen strukturierten, halbstrukturierten und unstrukturierten Dokumenten extrahieren möchten, sollten Sie das benutzerdefinierte neurale Deep-Learning-Modell verwenden. Erfahren Sie mehr über die Unterschiede zwischen dem benutzerdefinierten Vorlagenmodell und dem benutzerdefinierten neuralen Modell.

• Das Analysieren eines Dokuments mithilfe zusammengesetzter Modelle ist identisch mit der Analyse eines Dokuments mithilfe eines einzelnen Modells. Das Analyze Document Ergebnis gibt eine docType Eigenschaft zurück, die angibt, welche komponentenmodelle Sie für die Analyse des Dokuments ausgewählt haben.

• Der model compose Vorgang ist derzeit nur für benutzerdefinierte Modelle verfügbar, die mit Etiketten trainiert wurden.

Zusammengesetzte Modellkompatibilität

• Um ein Modell zu erstellen, das mit einer früheren Version der API (v2.1 oder früher) trainiert wurde, trainieren Sie ein Modell mit der v3.0-API mit demselben beschrifteten Dataset. Dadurch wird sichergestellt, dass das v2.1-Modell mit anderen Modellen zusammengesetzt werden kann.

• Zusammengestellte Modelle mit Hilfe von API v2.1 werden weiterhin unterstützt, ohne dass Updates erforderlich sind.

Document Intelligence v4.0:2024-11-30 (GA) unterstützt die folgenden Tools, Anwendungen und Bibliotheken:

Document Intelligence v3.1:2023-07-31 (GA) unterstützt die folgenden Tools, Anwendungen und Bibliotheken:

Document Intelligence v3.0:2022-08-31 (GA) unterstützt die folgenden Tools, Anwendungen und Bibliotheken:

Document Intelligence v2.1 unterstützt die folgenden Ressourcen: