Modèles personnalisés composés par Document Intelligence

Ce contenu s’applique à :v3.1 (GA) | Dernière version :v4.0 (GA) | Versions antérieures :v3.0v2.1

Ce contenu s’applique à :v3.0 (mise hors service) | Versions les plus récentes:v4.0 (Disponibilité générale)v3.1 | Version antérieure :v2.1 (mise hors service)

Ce contenu s’applique à :v2.1 | Dernière version :v4.0 (GA)

Comment utiliser model compose

• Commencez par collecter des échantillons de tous vos documents nécessaires, y compris des exemples contenant des informations qui doivent être extraites ou ignorées.

• Entraînez un classifieur en organisant les documents dans les dossiers où les noms de dossiers sont le type de document que vous envisagez d’utiliser dans votre définition de modèle composé.

• Enfin, effectuez l’apprentissage d’un modèle d’extraction pour chacun des types de documents que vous envisagez d’utiliser.

• Une fois vos modèles de classification et d’extraction formés, utilisez Document Intelligence Studio, les bibliothèques clientes ou l’API REST pour composer les modèles de classification et d’extraction dans un modèle composé.

Utilisez le splitMode paramètre pour contrôler le comportement de fractionnement de fichier :

• Aucun. Le fichier entier est traité comme un document unique.
• perPage. Chaque page du fichier est traitée comme un document distinct.
• auto. Le fichier est automatiquement divisé en documents.

Facturation et tarification

Les modèles composés sont facturés de la même façon que les modèles personnalisés individuels. La tarification est basée sur le nombre de pages analysées par le modèle d’analyse en aval. La facturation est déterminée en fonction du tarif d’extraction des pages dirigées vers un modèle d’extraction. Avec l'ajout de charges explicites, des coûts sont encourus pour la classification de toutes les pages du fichier d'entrée. Pour plus d’informations, consultez la page de tarification Document Intelligence.

Utiliser l’opération de composition de modèle

• Commencez par créer une liste de tous les ID de modèle que vous souhaitez composer en un seul modèle.

• Composez les modèles en un seul ID de modèle à l’aide de studio, d’API REST ou de bibliothèques clientes.

• Utilisez l’ID de modèle composé pour analyser les documents.

Facturation

Les modèles composés sont facturés de la même façon que les modèles personnalisés individuels. La tarification est basée sur le nombre de pages analysées. La facturation est basée sur le tarif d’extraction appliqué aux pages routées vers un modèle d’extraction. Pour plus d’informations, consultez la page de tarification Document Intelligence.

• Il n’existe aucun changement de tarification pour l’analyse d’un document à l’aide d’un modèle personnalisé individuel ou d’un modèle personnalisé composé.

Fonctionnalités des modèles composés

• Custom template et custom neural les modèles peuvent être composés ensemble en un modèle composé unique entre plusieurs versions d’API.

• La réponse inclut une docType propriété pour indiquer quels modèles composés ont été utilisés pour analyser le document.

• Pour custom template les modèles, le modèle composé peut être créé à l’aide de variantes d’un modèle personnalisé ou de différents types de formulaires. Cette opération est utile lorsque les formulaires entrants appartiennent à l’un de plusieurs modèles.

• Pour custom neural les modèles, la meilleure pratique consiste à ajouter toutes les variantes d’un type de document unique dans un jeu de données d’entraînement unique et à effectuer l’apprentissage sur un modèle neuronal personnalisé. L’opération model compose convient le mieux aux scénarios lorsque vous avez des documents de différents types soumis à des fins d’analyse.

Composer des limites de modèle

• Avec l’opération model compose , vous pouvez affecter jusqu’à 500 modèles à un id de modèle unique. Si le nombre de modèles que je souhaite composer dépasse la limite supérieure d’un modèle composé, vous pouvez utiliser l’une des alternatives suivantes :

  • Classifiez les documents avant d’appeler le modèle personnalisé. Vous pouvez utiliser le modèle de lecture et créer une classification basée sur le texte extrait des documents et certaines expressions à l’aide de sources telles que du code, des expressions régulières ou une recherche.

  • Si vous souhaitez extraire les mêmes champs de différents documents structurés, semi-structurés et non structurés, envisagez d’utiliser le modèle neuronal personnalisé d’apprentissage profond. En savoir plus sur les différences entre le modèle de gabarit personnalisé et le modèle neuronal personnalisé.

• L’analyse d’un document à l’aide de modèles composés est identique à l’analyse d’un document à l’aide d’un modèle unique. Le Analyze Document résultat retourne une docType propriété qui indique les modèles de composants que vous avez sélectionnés pour l’analyse du document.

• L’opération model compose n’est actuellement disponible que pour les modèles personnalisés dont l’apprentissage est effectué avec des étiquettes.

Compatibilité des modèles composés

• Pour composer un modèle entraîné avec une version antérieure de l’API (v2.1 ou antérieure), entraînez un modèle avec l’API v3.0 à l’aide du même jeu de données étiqueté. Cela garantit que le modèle v2.1 peut être composé d’autres modèles.

• Les modèles composés à l’aide de la version 2.1 de l’API continuent d’être pris en charge, ce qui nécessite aucune mise à jour.

Document Intelligence v4.0:2024-11-30 (GA) prend en charge les outils, applications et bibliothèques suivants :

Document Intelligence v3.1:2023-07-31 (GA) prend en charge les outils, applications et bibliothèques suivants :

Document Intelligence v3.0:2022-08-31 (GA) prend en charge les outils, applications et bibliothèques suivants :

Document Intelligence v2.1 prend en charge les ressources suivantes :