基于自定义的提取

借助自定义模型训练和提取功能，您可以构建专为您的文档设计的自定义模型，而无需使用生成式 AI。如果您不想使用生成式 AI，并且希望控制训练模型的所有方面，则此方法最适合。

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。

开始前须知

如果尚未启用结算功能和 Document AI API，请先完成相应操作。

构建和评估自定义模型

首先构建自定义处理器，然后对其进行评估。

1. 创建处理器并定义要提取的字段，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（请参阅使用基础模型自动添加标签）。您需要在训练集中至少有 10 个文档，在测试集中至少有 10 个文档，才能训练自定义模型。

4. 训练模型：

   1. 选择训练新版本，然后为处理器版本命名。
   2. 前往显示高级选项，然后选择基于模型选项。

   

5. 评估：

   • 前往评估和测试，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。
   • 确定性能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，通常将无法正确解析的文档添加到训练测试集中。

6. 将新版本设为默认版本。

   1. 前往管理版本。
   2. 前往 more_vert 菜单，然后选择设为默认。

   

您的模型现已部署，发送到此处理器的文档现在使用的是您的自定义版本。您想要评估模型的性能，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大规模为文档添加标签。

1. 创建自定义处理器后，请前往开始标签页。
2. 选择创建新字段。
3. 提供描述性名称，并填写说明字段。借助属性说明，您可以为每个实体提供额外的背景信息、数据洞见和先验知识，从而提高提取准确性和性能。

1. 前往构建标签页，然后选择导入文档。

   

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

3. 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。

   

现在，您会看到模型的预测结果以紫色突出显示。

1. 查看模型预测的每个标签，确保其正确无误。如果缺少字段，请一并添加。

1. 在文档审核完毕后，选择标记为已加标签。文档现已可供模型使用。确保文档位于测试或训练集中。