Modelos personalizados compostos pelo Document Intelligence

Esse conteúdo se aplica a: v4.0 (versão prévia) | Versões prévias: v3.1 (GA) v3.0 (GA) v2.1 (GA)

Esse conteúdo se aplica a: v3.1 (GA) | Ultima versão: v4.0 (versão prévia) | Versões prévia: v3.0 v2.1

Esse conteúdo se aplica a: v3.0 (GA) | Ultimas versões: v4.0 (versão prévia) v3.1 | Versões prévia: v2.1

Esse conteúdo se aplica a: v2.1 | ais recente: v4.0 (versão prévia)

Como usar a composição de modelo

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

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

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

• Depois que os modelos de classificação e extração forem treinados, use o Estúdio da Informação de Documentos, as bibliotecas de clientes ou a API REST para compor os modelos de classificação e extração em um modelo composto.

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

• Nenhum. O arquivo inteiro é tratado como um só documento.
• perPage. Cada página do arquivo é tratada como um documento separado.
• auto. O arquivo é dividido automaticamente em documentos.

Cobrança 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 downstream. A cobrança é baseada no preço de extração das páginas encaminhadas para um modelo de extração. Com a adição da classificação explícita, encargos são incorridos para a classificação de todas as páginas do arquivo de entrada. Para obter mais informações, confira a página de preços da Informação de Documentos.

Usar a operação de redação de modelo

• Comece criando uma lista de todas as IDs de modelo que você deseja compor em um só modelo.

• Componha os modelos em uma só ID de modelo usando o Estúdio, a API REST ou as bibliotecas de clientes.

• Use a ID do modelo composto para analisar documentos.

Cobrança

Os modelos compostos são cobrados da mesma forma que os modelos personalizados individuais. O preço é baseado no número de páginas analisadas. A cobrança é baseada no preço de extração das páginas encaminhadas para um modelo de extração. Para obter mais informações, confira a página de preços da Informação de Documentos.

• Não há alteração no preço da análise de um documento usando um modelo personalizado individual ou um modelo personalizado composto.

Recursos dos modelos compostos

• Os modelos Custom template e custom neural podem ser compostos em um só modelo composto em várias versões de API.

• A resposta inclui uma propriedade docType para indicar quais dos modelos compostos foram usados para analisar o documento.

• No caso dos modelos custom template, o modelo composto pode ser criado usando variações de um modelo personalizado ou de tipos de formulário diferentes. Essa operação é útil quando formulários de entrada pertencem a um de vários modelos.

• Para modelos custom neural, a melhor prática é adicionar todas as diferentes variações de um único tipo de documento em um único conjunto de dados de treinamento e treinar no modelo neural personalizado. A operação model compose é mais adequada para cenários em que você tenha documentos de diferentes tipos sendo enviados para análise.

Limites do modelo de composição

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

  • Classifique os documentos antes de chamar o modelo personalizado. Você pode usar o Modelo de leitura e compilar uma classificação com base no texto extraído dos documentos e em certas 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 padrão personalizado e o modelo neural personalizado.

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

• Atualmente, a operação model compose só está disponível para modelos personalizados treinados com rótulos.

Compatibilidade de modelo composto

• 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 por outros modelos.

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

A Informação de Documentos v4.0:2024-07-31-preview dá suporte às seguintes ferramentas, aplicativos e bibliotecas:

A Informação de Documentos v3.1:2023-07-31 (GA) dá suporte às seguintes ferramentas, aplicativos e bibliotecas:

A Informação de Documentos v3.0:2022-08-31 (GA) dá suporte às seguintes ferramentas, aplicativos e bibliotecas:

O Document Intelligence v2.1 dá suporte aos seguintes recursos: