Mejorar el rendimiento de su modelo de procesamiento de documentos
Si el rendimiento de su modelo no es el que desea, por ejemplo, está obteniendo malos resultados o puntuaciones de confianza bajas, hay algunas cosas que puede probar.
Interprete su puntuación de precisión del modelo
Interprete su puntuación de precisión para identificar lo que su modelo está luchando por extraer. Las evaluaciones del modelo incluyen recomendaciones para aumentar la puntuación.
Inicie sesión en Power Apps o Power Automate.
En el panel izquierdo, seleccione ... Más>Centro de IA.
En Detectar una capacidad de IA, seleccione Modelos de IA.
(Opcional) Para mantener modelos de IA permanentemente en el menú para un fácil acceso, seleccione el icono de marcador.
Abra el modelo de procesamiento de documentos que desea investigar. Debería ver la puntuación de precisión.
Nota
En los siguientes casos, no verá puntuaciones de precisión para los modelos de procesamiento de documentos:
- Si el modelo se entrenó seleccionando "Documentos generales" como tipo de documento. Actualmente, las puntuaciones de precisión sólo se devuelven para los modelos de tipo "Documentos de plantilla fija".
- Su modelo se importó de otro entorno.
- Si su modelo fue entrenado antes del 1 de enero de 2022. En este caso, puede volver a entrenarlo.
En la página de detalles del modelo, debería ver la puntuación de precisión general.
Para obtener detalles, seleccione revisar evaluación completa.
En este panel, puede navegar entre diferentes pestañas para identificar lo que su modelo está luchando por extraer. Puedes navegar por las pestañas Colección, Campo, Tabla, y Casilla de comprobación para encontrar lo que no se procesó correctamente.
He aquí un ejemplo de la información en la pestaña Campo.
En este ejemplo, quiere mejorar la precisión de la información del Proveedor.
Vea sugerencias sobre lo que puede hacer para mejorar su modelo pasando el cursor sobre los elementos con una puntuación de precisión bajo. Por ejemplo, es posible que vea una recomendación para proporcionar más documentos de muestra para la formación.
Preguntas frecuentes
¿Qué puedo hacer si tengo una puntuación de precisión baja para un campo, tabla o casilla de verificación?
- Compruebe que el campo, tabla o casilla de comprobación se han etiquetado correctamente en todos los documentos.
- Proporcione más documentos de ejemplo para entrenamiento donde el campo, tabla o casilla de comprobación esté presente.
¿Qué puedo hacer si tengo una puntuación de precisión baja para una colección?
Verifique que todos los documentos dentro de la colección tengan el mismo diseño. Para obtener más información sobre las colecciones, vaya a Agrupar documentos por colecciones.
Agregar más documentos a los datos de entrenamiento
Cuantos más documentos etiquete, más aprenderá AI Builder a reconocer mejor los campos. Para agregar más documentos, edite su modelo de procesamiento de documentos y cargue más documentos. Encontrará la opción de editar el modelo en la página de detalles del modelo.
Más sugerencias
- Para formularios completados, use ejemplos que tengan todos sus campos completados.
- Use formularios con diferentes valores en cada campo.
- Si las imágenes de su formulario son de menor calidad, use un conjunto de datos más grande (10-15 imágenes, por ejemplo).
- Si es posible, utilice documentos PDF basados en texto en lugar de documentos basados en imágenes. Los PDF escaneados se tratan como imágenes.
- Al crear un nuevo modelo de procesamiento de documentos, los documentos se cargan con el mismo diseño en el que cada documento es una estancia independiente. Por ejemplo, las facturas de diferentes meses deben estar en documentos separados y no todas en el mismo.
- Los documentos que tienen diferentes diseños deben ir en diferentes colecciones cuando carga ejemplos para entrenamiento.
- Si el modelo de procesamiento de documentos está extrayendo valores de los campos vecinos del que desea que extraiga el modelo, edite el modelo y etiquete los valores adyacentes que se seleccionan incorrectamente como campos diferentes. Al hacer esto, el modelo aprenderá mejor los límites de cada campo.