Inteligencia documental compuesta por modelos personalizados
Importante
- Las versiones preliminares públicas de Documento de inteligencia proporcionan acceso anticipado a las características que están en desarrollo activo.
- Antes de la disponibilidad general (GA), las características, los enfoques y los procesos podrían cambiar en función de los comentarios de los usuarios.
- La versión preliminar pública de las bibliotecas cliente de Documentación de inteligencia tiene como valor predeterminado la versión de la API de REST 2024-02-29-preview.
- La versión preliminar pública 2024-02-29-preview solo está disponible en las siguientes regiones de Azure:
- Este de EE. UU.
- Oeste de EE. UU. 2
- Oeste de Europa
Este contenido se aplica a: v4.0 (versión preliminar) | Versiones anteriores: v3.1 (GA) v3.0 (GA) v2.1 (GA)
Este contenido se aplica a: v3.1 (GA) | Última versión: v4.0 (versión preliminar) | Versiones anteriores: v3.0 v2.1
Este contenido se aplica a: v3.0 (GA) | Últimas versiones: v4.0 (versión preliminar) v3.1 | Versión anterior: v2.1
Este contenido se aplica a: v2.1 | Versión más reciente: v4.0 (versión preliminar)
Modelos compuestos. El modelo compuesto se crea tomando una colección de modelos personalizados y asignándolos a un único modelo creado a partir de los tipos de formulario. Cuando se envía un documento para su análisis mediante un modelo compuesto, el servicio realiza una clasificación para decidir qué modelo personalizado representa mejor el documento enviado.
Con los modelos compuestos, puede asignar varios modelos personalizados a un modelo compuesto llamado con un único identificador de modelo. Resulta útil cuando entrena varios modelos y quiere agruparlos para analizar tipos de formulario parecidos. Por ejemplo, el modelo compuesto puede incluir modelos personalizados entrenados para analizar sus pedidos de compra de suministros, equipos y mobiliario. En lugar de intentar seleccionar manualmente el modelo adecuado, puede usar un modelo compuesto para determinar el modelo personalizado adecuado para cada análisis y extracción.
Los modelos
Custom form
yCustom template
pueden componer un único modelo compuesto.Con la operación de modelo compuesto, puede crear hasta 200 modelos personalizados entrenados con un único modelo compuesto. Para analizar un documento con un modelo compuesto, Document Intelligence primero clasifica el formulario enviado, elige el modelo asignado que mejor se ajusta y devuelve los resultados.
En el caso de los modelos de plantilla personalizados, el modelo compuesto se puede crear mediante variaciones de una plantilla personalizada o distintos tipos de formulario. Esta operación resulta útil cuando los formularios de entrada pertenecen a una de varias plantillas.
La respuesta incluye una propiedad
docType
para indicar cuál de los modelos compuestos se usó a fin de analizar el documento.En el caso de los modelos
Custom neural
, el procedimiento recomendado es agregar todas las diferentes variaciones de un único tipo de documento en un único conjunto de datos de entrenamiento y entrenar con un modelo neuronal personalizado. La composición de modelos es más adecuada para escenarios en los que se envían documentos de diferentes tipos para su análisis.
Con la introducción de modelos de clasificación personalizados, puede elegir usar un modelo compuesto o un modelo de clasificación como un paso explícito antes del análisis. Para obtener una comprensión más profunda de cuándo usar una clasificación o un modelo compuesto, consulteModelos de clasificación personalizados.
Límites del modelo compuesto
Nota
Con la adición de un modelo neuronal personalizado, hay algunos límites respecto a la compatibilidad de los modelos que se pueden componer juntos.
Con la operación de redacción del modelo, puede asignar hasta 200 modelos a un identificador de modelo único. Si el número de modelos que quiero componer supera el límite superior de un modelo compuesto, puede usar una de estas alternativas:
Clasifique los documentos antes de llamar al modelo personalizado. Puede usar el Modelo de lectura y compilar una clasificación basada en el texto extraído de los documentos y determinadas frases mediante orígenes como código, expresiones regulares o búsqueda.
Si desea extraer los mismos campos de varios documentos estructurados, semiestructurados y no estructurados, considere la posibilidad de usar el aprendizaje profundo modelo neuronal personalizado. Obtenga más información sobre las diferencias de entre el modelo de plantilla personalizada y el modelo neuronal personalizado.
El análisis de un documento mediante modelos compuestos es idéntico al análisis de un documento mediante un único modelo. El
Analyze Document
resultado devuelve unadocType
propiedad que indica cuál de los modelos de componentes ha seleccionado para analizar el documento. No hay cambios en los precios por analizar un documento usando un modelo personalizado individual o un modelo personalizado compuesto.El modelo compuesto solo está disponible para los modelos personalizados entrenados con etiquetas.
Compatibilidad con el modelo compuesto
Tipo de modelo personalizado | Modelos entrenados con v2.1 y v2.0 | Modelos de plantilla personalizados v3.0 | Modelos neuronales personalizados 3.0 | Modelos neuronales personalizados v3.1 |
---|---|---|---|---|
Modelos entrenados con la versión 2.1 y v2.0 | Compatible | Admitido | No compatible | No compatible |
Modelo de plantilla personalizados v3.0 | Compatible | Admitido | No compatible | No compatible |
Modelo de plantilla personalizados v3.0 | No compatible | No compatible | No compatible | No compatible |
Modelos de plantilla personalizados v3.1 | No compatible | No compatible | No compatible | No compatible |
Modelos neuronales personalizados v3.0 | No compatible | No compatible | Compatible | Compatible |
Modelos neuronales personalizados v3.1 | No compatible | No compatible | Compatible | Compatible |
Para crear un modelo entrenado con una versión anterior de la API (v2.1 o anterior), entrene un modelo con la API v3.0 usando el mismo conjunto de datos etiquetado. Esa incorporación garantiza que el modelo v2.1 se pueda componer con otros modelos.
Con los modelos compuestos mediante la versión 2.1 de la API sigue siendo compatible, sin necesidad de actualizaciones.
Para los modelos personalizados, el número máximo que se puede componer es 200.
Opciones de desarrollo
Documento de inteligencia v4.0:2023-02-29-preview admite las siguientes herramientas, aplicaciones y bibliotecas:
Característica | Recursos |
---|---|
Modelo personalizado | • Estudio de Documento de inteligencia • API de REST • SDK de C# • SDK de Java • SDK de JavaScript • SDK de Python |
Modelo compuesto | • Estudio de Documento de inteligencia • API de REST • SDK de C# • SDK de Java • SDK de JavaScript • SDK de Python |
Documento de inteligencia v3.1:2023-07-31 (GA) es compatible con las siguientes herramientas, aplicaciones y bibliotecas:
Característica | Recursos |
---|---|
Modelo personalizado | • Estudio de Documento de inteligencia • API de REST • SDK de C# • SDK de Java • SDK de JavaScript • SDK de Python |
Modelo compuesto | • Estudio de Documento de inteligencia • API de REST • SDK de C# • SDK de Java • SDK de JavaScript • SDK de Python |
Documento de inteligencia v3.0:2022-08-31 (GA) es compatible con las siguientes herramientas, aplicaciones y bibliotecas:
Característica | Recursos |
---|---|
Modelo personalizado | • Estudio de Documento de inteligencia • API de REST • SDK de C# • SDK de Java • SDK de JavaScript • SDK de Python |
Modelo compuesto | • Estudio de Documento de inteligencia • API de REST • SDK de C# • SDK de Java • SDK de JavaScript • SDK de Python |
Document Intelligence v2.1 admite los siguientes recursos:
Característica | Recursos |
---|---|
Modelo personalizado | ● Herramienta de etiquetado de Documento de inteligencia ● API de REST ● SDK de biblioteca cliente ● Contenedor Docker de Documento de inteligencia |
Modelo compuesto | • Herramienta de etiquetado de Documento de inteligencia • API de REST • SDK de C# • SDK de Java • SDK de JavaScript • SDK de Python |
Pasos siguientes
Aprenda a crear y componer modelos personalizados:
Comentarios
https://aka.ms/ContentUserFeedback.
Proximamente: Ao longo de 2024, retiraremos gradualmente GitHub Issues como mecanismo de comentarios sobre o contido e substituirémolo por un novo sistema de comentarios. Para obter máis información, consulte:Enviar e ver os comentarios