基于模板的提取

对于固定布局用例，只需三个训练文档和三个测试文档，即可训练出高性能的模型。加快 W9、1040、ACORD、调查问卷和调查问卷等基于模板的文档类型的开发速度，缩短将其投入生产阶段的时间。

数据集配置

必须使用文档数据集才能训练、追加训练或评估处理器版本。 Document AI 处理器会像人类一样从示例中学习。数据集有助于提升处理器性能稳定性。

训练数据集

如需改进模型及其准确性，请使用您的文档训练数据集。该模型由包含标准答案的文档组成。您至少需要 3 个文档才能训练新模型。

测试数据集

测试数据集是模型用来生成 F1 得分（准确性）的数据集。它由包含标准答案的文档组成。为了了解模型正确预测的频率，系统会使用标准答案将模型的预测结果（从模型中提取的字段）与正确答案进行比较。测试数据集应至少包含三份文档。

准备工作

如果尚未启用，请启用以下功能：

• 结算
• Document AI API

模板模式标签方面的最佳实践

正确标注是实现高准确度的最重要的步骤之一。模板模式采用了一些与其他训练模式不同的独特标记方法：

• 在文档中，围绕您预计数据所在的整个区域（每个标签）绘制边界框，即使您要标记的训练文档中的标签为空也是如此。
• 您可以为空字段添加标签，以便进行基于模板的训练。请勿为基于模型的训练标记空字段。

使用模板模式构建和评估自定义提取器

1. 创建自定义提取器。创建处理器并按照最佳实践定义要提取的字段，这一点非常重要，因为它会影响提取质量。

2. 设置数据集位置。选择默认选项文件夹（Google 管理）。系统可能会在创建处理器后不久自动执行此操作。

3. 前往构建标签页，然后选择启用了自动添加标签功能的导入文档。添加的文档数量超过最低要求的 3 个后，基于模板的训练质量通常不会提高。不要添加更多数据，而应专注于非常准确地标记一小部分数据。

4. 扩展边界框。模板模式的这些框应如下例所示。请遵循最佳实践来扩展边界框，以获得最佳结果。

5. 训练模型。

   1. 选择训练新版本。
   2. 为处理器版本命名。
   3. 前往显示高级选项，然后选择基于模板的模型方法。

   

6. 评估。

   1. 前往评估和测试。
   2. 选择您刚刚训练的版本，然后选择查看完整评估。

   

   现在，您会看到整个文档和每个字段的 F1 得分、精确率和召回率等指标。1. 确定效果是否符合您的生产目标；如果不符合，请重新评估训练集和测试集。

7. 将新版本设为默认版本。

   1. 前往管理版本。
   2. 选择以查看设置菜单，然后选中设为默认。

   

   您的模型现已部署，发送到此处理器的文档将使用您的自定义版本。您希望评估模型的性能（详细了解如何执行此操作），以检查模型是否需要进一步训练。

评估参考

评估引擎可以执行完全匹配或模糊匹配。对于完全匹配，提取的值必须与标准答案完全匹配，否则会被计为错失。

存在细微差异（例如大小写差异）的模糊匹配提取内容仍会计为匹配。您可以在评估屏幕上更改此设置。

使用基础模型自动添加标签

基础模型可以准确提取各种文档类型的字段，不过您也可以提供额外的训练数据，以提高模型针对特定文档结构的准确率。

Document AI 使用您定义的标签名称和之前的注解，通过自动添加标签功能可以更加轻松快捷地为文档大规模添加标签。

1. 创建自定义处理器后，前往开始使用标签页。

2. 选择创建新字段。

   

3. 前往构建标签页，然后选择导入文档。

   

4. 选择文档的路径以及要将文档导入到哪个集合。选中“自动添加标签”复选框，然后选择基础模型。

5. 在构建标签页中，选择管理数据集。您应该会看到导入的文件。选择其中一份文件。

   

6. 您会看到模型的预测结果以紫色突出显示，您需要检查模型预测的每个标签，确保其正确无误。如果缺少字段，您还需要添加这些字段。

   。

   

7. 文档审核完毕后，选择标记为已加标签。

8. 文档现已可供模型使用。确保该文档位于测试集或训练集中。