Modelos personalizados compostos pelo Document Intelligence

Este conteúdo se aplica a:v3.1 (GA) | Versão mais recente:v4.0 (GA) | Versões anteriores:v3.0v2.1

Este conteúdo se aplica a:v3.0 (descontinuada) | Versões mais recentes:v4.0 (GA)v3.1 | Versão anterior:v2.1 (descontinuada)

Esse conteúdo se aplica a:v2.1 | Versão mais recente:v4.0 (GA)

Como usar Model Compose

• 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 em sua definição de modelo composta.

• 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 Document Intelligence Studio, as bibliotecas de clientes ou a API REST para compor os modelos de classificação e extração em um modelo composto.

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

• Nenhum. O arquivo inteiro é tratado como um único documento.
• perPage. Cada página no arquivo é tratada como um documento separado.
• auto. O arquivo é dividido automaticamente em documentos.

Cobrança e preços

Modelos compostos são cobrados da mesma forma que 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, consulte a página de preços do Document Intelligence.

Usar a operação de composição de modelo

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

• Redigir os modelos em uma única ID de modelo usando o Studio, a API REST ou as bibliotecas de cliente.

• Use a ID do modelo composto para analisar documentos.

Faturamento

Modelos compostos são cobrados da mesma forma que 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, consulte a página de preços do Document Intelligence.

• Não há nenhuma alteração nos preços para analisar um documento usando um modelo personalizado individual ou um modelo personalizado composto.

Recursos de modelos compostos

• Custom template e custom neural podem ser integrados em um único modelo composto em várias versões de API.

• A resposta inclui uma docType propriedade para indicar qual dos modelos compostos foi usado para analisar o documento.

• Para custom template modelos, o modelo composto pode ser criado usando variações de um modelo personalizado ou tipos de formulário diferentes. Essa operação é útil quando formulários de entrada pertencem a um dos vários modelos.

• Para custom neural modelos, 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 em um modelo neural personalizado. A model compose operação é mais adequada para cenários quando você tem documentos de diferentes tipos sendo enviados para análise.

Redigir limites de modelo

• Com a model compose operação, você pode atribuir até 500 modelos a uma única 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 criar uma classificação com base no texto extraído dos documentos e determinadas 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 de template personalizado e o modelo neural personalizado.

• Analisar um documento usando modelos compostos é idêntico à análise de um documento usando um único modelo. O Analyze Document resultado retorna uma docType propriedade que indica quais dos modelos de componente que você selecionou para analisar o documento.

• No momento, a operação model compose está disponível somente para modelos personalizados treinados com rótulos.

Compatibilidade de modelos compostos

• 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 com outros modelos.

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

O Document Intelligence v4.0:2024-11-30 (GA) dá suporte às seguintes ferramentas, aplicativos e bibliotecas:

O Document Intelligence v3.1:2023-07-31 (GA) dá suporte às seguintes ferramentas, aplicativos e bibliotecas:

O Document Intelligence v3.0:2022-08-31 (GA) dá suporte às seguintes ferramentas, aplicativos e bibliotecas:

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