Del via


Få mere at vide: Forbedrer ydeevnen i modellen til dokumentbehandling

Hvis ydeevnen for din model ikke er, som du ønsker, f.eks. hvis du får ringe resultater eller lave konfidensscores, kan du forsøge et par ting.

Fortolk din models præcisionsscore

Fortolkning af præcisionsresultatet for at identificere, hvad modellen kan udtrække. Modelevalueringer omfatter anbefalinger til at øge pointtal.

  1. Log på Power Apps eller Power Automate.

  2. Vælg ... Flere>AI-hub i venstre rude.

  3. Vælg AI-modeller under Registrer en AI-funktion.

  4. (Valgfrit) Du kan bevare AI-modeller permanent i menuen for at få nem adgang, skal du vælge nåleikonet.

  5. Åbn den dokumentbehandlingsmodel, du vil undersøge. Du bør kunne se den nøjagtige score.

    Bemærk

    I følgende tilfælde kan du ikke se nøjagtige pointtal for dokumentbehandlingsmodeller:

    • Hvis modellen er uddannet, skal du vælge 'Generelle dokumenter' som dokumenttype. I øjeblikket returneres præcisionspoint kun for modeller af typen 'Dokumenter med fast skabelon'.
    • Din model er importeret fra et andet miljø.
    • Hvis din model er uddannet før 1. januar 2022. I dette tilfælde kan du træne den igen.
  6. På siden med modeldetaljer kan du se den generelle præcisionscore.

    Skærmbillede af præcisionsresultatet.

  7. Du kan få flere oplysninger ved at vælge fuldstændig evaluering.

    Skærmbillede af skærmen Modelevaluering, fanen Oversigt.

    I dette panel kan du navigere mellem forskellige faner for at identificere, hvilken model der skal udtrækkes. Du kan gennemse fanerne Samling, Felt, Tabel og Afkrydsningsfelt for at finde ud af, hvad der ikke behandles korrekt.

    Her er et eksempel på oplysningerne under fanen Felt.

    Skærmbillede af skærmen 'Modelevaluering', fanen 'Felt'.

    I dette eksempel vil du gøre oplysningerne om leverandører mere nøjagtige.

    Skærmbillede af dårlig nøjagtighedsscore i fanen 'Felt'.

    Se forslag til, hvad du kan gøre for at forbedre din model, ved at holde musen hen over elementer med unøjagtige resultater. Du kan f.eks. se en anbefaling om at levere flere eksempeldokumenter til træning.

Almindelige spørgsmål

Hvad kan jeg gøre, hvis jeg har lave præcisionspoint for et felt, en tabel eller et afkrydsningsfelt?

  1. Kontrollér, at feltet, tabellen eller afkrydsningsfeltet er blevet kodet korrekt i alle dokumenterne.
  2. Angiv flere prøvedokumenter til træning, hvor feltet, tabellen eller afkrydsningsfeltet findes.

Hvad kan jeg gøre, hvis jeg har lave præcisionspoint for en samling?

Kontrollér, at dokumenterne i samlingen alle har samme layout. Du kan få mere at vide om samlinger ved at gå til Gruppering af dokumenter efter samling.

Føje flere dokumenter til oplæringsdataene

Jo flere dokumenter du markerer, jo mere lærer AI Builder om, hvordan felterne genkendes bedre. Du kan tilføje flere dokumenter ved at redigere din model til dokumentbehandling og uploade flere dokumenter. Du kan finde indstillingen til redigering af modellen på siden med detaljer for modellen.

Skærmbillede af siden med detaljer med mulighed for redigering af en dokumentbehandlingsmodel.

Flere tip

  • I forbindelse med udfyldte formularer skal du bruge eksempler, hvor alle felterne er udfyldt.
  • Brug formularer med forskellige værdier i hvert felt.
  • Hvis dine formularbilleder er af lavere kvalitet, skal du bruge et større datasæt (f.eks. 10-15 billeder).
  • Hvis det er muligt, skal du bruge tekstbaserede PDF-dokumenter i stedet for billedbaserede dokumenter. Scannede PDF-filer håndteres som billeder.
  • Når du opretter en ny model til dokumentbehandling, kan du overføre dokumenter med det samme layout, hvor hvert dokument er en separat forekomst. F.eks. skal fakturaer fra forskellige måneder forefindes i separate dokumenter og ikke allesammen i det samme.
  • Dokumenter med forskellige layout kan anvendes i forskellige samlinger, når du overfører eksempler med henblik på oplæring.
  • Hvis dokumentbehandlingsmodellen udtrækker værdier fra tilstødende felter fra det felt, som modellen skal udtrække, skal du redigere den model og koden ved siden af, der opsamles forkert, da de er forskellige felter. Hvis den gør det, vil modellen bedre lære grænserne for de enkelte felter at kende.