Inteligencia documental compuesta por modelos personalizados

Este contenido se aplica a:v3.1 (GA) | Versión más reciente:v4.0 (GA) | Versiones anteriores:v3.0v2.1

Este contenido se aplica a:v3.0 (retirada) | Versiones más recientes:v4.0 (GA)v3.1 | Versión anterior:v2.1 (retirada)

Este contenido se aplica a:v2.1 | Versión más reciente:v4.0 (GA)

Cómo usar la composición de modelos

• Empiece por recopilar ejemplos de todos los documentos necesarios, incluidos los ejemplos con información que se debe extraer o omitir.

• Entrene un clasificador mediante la organización de los documentos en carpetas donde los nombres de carpeta son el tipo de documento que quiere usar en la definición del modelo compuesto.

• Por último, entrene un modelo de extracción para cada uno de los tipos de documento que quiera usar.

• Una vez entrenados los modelos de clasificación y extracción, use Document Intelligence Studio, las bibliotecas cliente o la API REST para componer los modelos de clasificación y extracción en un modelo compuesto.

Use el splitMode parámetro para controlar el comportamiento de división de archivos:

• Ninguno. Todo el archivo se trata como un único documento.
• perPage. Cada página del archivo se trata como un documento independiente.
• auto. El archivo se divide automáticamente en documentos.

Facturación y precios

Los modelos compuestos se facturan igual que los modelos personalizados individuales. La tarificación se basa en el número de páginas analizadas por el modelo de análisis posterior. La facturación se basa en el precio de extracción de las páginas enrutadas a un modelo de extracción. Con la adición de la clasificación explícita, se generan cargos por la clasificación de todas las páginas en el archivo de entrada. Para obtener más información, consulte la página precios de Document Intelligence.

Usar la operación de composición del modelo

• Empiece por crear una lista de todos los identificadores de modelo que desea componer en un único modelo.

• Componga los modelos en un ID de modelo único mediante Studio, API REST o bibliotecas de cliente.

• Use el identificador de modelo compuesto para analizar documentos.

Facturación

Los modelos compuestos se facturan igual que los modelos personalizados individuales. Los precios se basan en el número de páginas analizadas. La facturación se basa en el precio de extracción de las páginas enrutadas a un modelo de extracción. Para obtener más información, consulte la página precios de Document Intelligence.

• No hay ningún cambio en los precios para analizar un documento mediante un modelo personalizado individual o un modelo personalizado compuesto.

Características de modelos compuestos

• Custom template y custom neural pueden componer juntos un único modelo compuesto a través de múltiples versiones de la API.

• La respuesta incluye una docType propiedad para indicar cuál de los modelos compuestos se usó para analizar el documento.

• Para los modelos custom template, el modelo compuesto se puede crear usando variaciones de una plantilla personalizada o diferentes tipos de formulario. Esta operación es útil cuando los formularios entrantes pertenecen a una de varias plantillas.

• Para custom neural los modelos, el procedimiento recomendado es agregar todas las distintas variaciones de un solo tipo de documento en un único conjunto de datos de entrenamiento y entrenar en un modelo neuronal personalizado. La model compose operación es más adecuada para escenarios en los que se envían documentos de diferentes tipos para su análisis.

Límites del modelo compuesto

• Con la model compose operación, puede asignar hasta 500 modelos a un identificador de modelo único. Si el número de modelos que quiero componer supera el límite superior de un modelo compuesto, puede usar una de estas alternativas:

  • Clasifique los documentos antes de llamar al modelo personalizado. Puede usar el modelo de lectura y crear una clasificación basada en el texto extraído de los documentos y determinadas frases mediante orígenes como código, expresiones regulares o búsqueda.

  • Si desea extraer los mismos campos de varios documentos estructurados, semiestructurados y no estructurados, considere la posibilidad de usar el modelo neuronal personalizado de aprendizaje profundo. Obtenga más información sobre las diferencias entre el modelo de plantilla personalizada y el modelo neuronal personalizado.

• El análisis de un documento mediante modelos compuestos es idéntico al análisis de un documento mediante un único modelo. El Analyze Document resultado devuelve una docType propiedad que indica cuál de los modelos de componentes seleccionó para analizar el documento.

• Actualmente, la model compose operación solo está disponible para modelos personalizados entrenados con etiquetas.

Compatibilidad de modelos compuestos

• Para crear un modelo entrenado con una versión anterior de la API (v2.1 o anterior), entrene un modelo con la API v3.0 mediante el mismo conjunto de datos etiquetado. Esa adición garantiza que el modelo v2.1 se pueda componer con otros modelos.

• Con los modelos compuestos mediante la versión 2.1 de la API sigue siendo compatible, sin necesidad de actualizaciones.

Document Intelligence v4.0:2024-11-30 (GA) admite las siguientes herramientas, aplicaciones y bibliotecas:

Document Intelligence v3.1:2023-07-31 (GA) admite las siguientes herramientas, aplicaciones y bibliotecas:

Document Intelligence v3.0:2022-08-31 (GA) admite las siguientes herramientas, aplicaciones y bibliotecas:

Document Intelligence v2.1 admite los siguientes recursos: