Comporre modelli personalizzati v3.0

Questo contenuto si applica a: v4.0 (anteprima) | Versioni precedenti: v3.1 (disponibilità generale) v3.0 (disponibilità generale) v2.1 (disponibilità generale)

Un modello composto è costituito da una raccolta di modelli personalizzati assegnati a un singolo ID modello. È possibile assegnare fino a 200 modelli personalizzati sottoposti a training a un singolo ID modello composto. Quando un documento viene inviato a un modello composto, il servizio esegue un passaggio di classificazione per decidere quale modello personalizzato rappresenta in modo accurato il modulo presentato per l'analisi. I modelli composti sono utili per raggruppare vari modelli sottoposti a training per analizzare tipi di modulo simili. Ad esempio, il modello composto può includere modelli personalizzati sottoposti a training per analizzare gli ordini di acquisto per forniture, attrezzature e mobili. Anziché tentare manualmente di selezionare il modello appropriato, è possibile usare un modello composto per determinare il modello personalizzato appropriato per ogni analisi ed estrazione.

Per altre informazioni, vedere Modelli personalizzati composti.

In questo articolo si apprenderà come creare e usare modelli personalizzati composti per analizzare moduli e documenti.

Prerequisiti

Per iniziare, sono necessarie le risorse seguenti:

• Una sottoscrizione di Azure. È possibile creare una sottoscrizione di Azure gratuita.

• Un'istanza di Informazioni sui documenti. Dopo aver creato la sottoscrizione di Azure, creare una risorsa di Informazioni sui documenti nel portale di Azure per ottenere la chiave e l'endpoint. Se si dispone di una risorsa di Informazioni sui documenti esistente, passare direttamente alla pagina della risorsa. È possibile usare il piano tariffario gratuito (F0) per provare il servizio ed eseguire in un secondo momento l'aggiornamento a un livello a pagamento per la produzione.

  1. Al termine della distribuzione della risorsa selezionare Vai alla risorsa.

  2. Copiare i valori di Chiavi ed Endpoint dal portale di Azure e incollarli in una posizione comoda, ad esempio Blocco note Microsoft. I valori di chiave ed endpoint sono necessari per connettere l'applicazione all'API Informazioni sui documenti.

  

  Suggerimento

  Per altre informazioni, vedere Creare una risorsa di Informazioni sui documenti.

• Un account di archiviazione di Azure. Se non si sa come creare un account di archiviazione di Azure, seguire la guida di avvio rapido di Archiviazione di Azure per il portale di Azure. È possibile usare il piano tariffario gratuito (F0) per provare il servizio ed eseguire in un secondo momento l'aggiornamento a un livello a pagamento per la produzione.

Creare modelli personalizzati

Prima di tutto, è necessario un set di modelli personalizzati da comporre. È possibile usare lo studio di informazioni sui documenti, le API REST o gli SDK della libreria client. Attieniti alla procedura seguente:

• Assemblare il set di dati di training
• Caricare il set di training in Archiviazione BLOB di Azure
• Eseguire il training dei modelli personalizzati

Assemblare il set di dati di training

La creazione di un modello personalizzato inizia con la definizione del set di dati di training. Sono necessari almeno cinque moduli compilati dello stesso tipo per il set di dati di esempio. Possono essere di diversi tipi di file (JPG, PNG, PDF e TIFF) e contenere sia testo stampato che scritto a mano. I moduli devono seguire i requisiti di input per Informazioni sui documenti.

Suggerimento

Seguire questi suggerimenti per ottimizzare il set di dati per il training:

• Se possibile, utilizza documenti PDF basati su testo anziché documenti basati su immagini. I PDF sottoposti a scansione vengono gestiti come immagini.
• Per i moduli compilati, utilizza esempi che abbiano tutti i campi compilati.
• Usa moduli con valori diversi in ogni campo.
• Se le immagini del modulo sono di qualità inferiore, utilizza un set di dati più grande (10-15 immagini, ad esempio).

Per suggerimenti su come raccogliere i documenti di training, vedere Creare un set di dati di training.

Caricare il set di dati di training

Dopo aver raccolto un set di documenti di training, è necessario caricare i dati di training in un contenitore di archiviazione BLOB di Azure.

Per usare dati etichettati manualmente, occorre caricare i file .labels.json e .ocr.json corrispondenti ai documenti di training.

Eseguire il training del modello personalizzato

Quando si esegue il training del modello con dati etichettati, il modello usa l'apprendimento supervisionato per estrarre valori di interesse usando i moduli etichettati forniti. I dati etichettati generano modelli dalle prestazioni più elevate e anche compatibili con moduli complessi o che contengono valori senza chiavi.

Informazioni sui documenti usa l'API modello di layout predefinito per riconoscere le dimensioni e le posizioni previste degli elementi di testo stampati e scritti a mano ed estrarre le tabelle. Usa quindi le etichette specificate dall'utente per riconoscere le associazioni chiave-valore e le tabelle nei documenti. Per iniziare a eseguire il training di un nuovo modello, è consigliabile usare cinque moduli dello stesso tipo (stessa struttura) etichettati manualmente e aggiungere quindi altri dati etichettati, se necessario, per migliorare l'accuratezza del modello. Informazioni sui documenti consente il training di un modello per estrarre coppie chiave-valore e tabelle usando funzionalità di apprendimento supervisionato.

Document Intelligence Studio

Per creare modelli personalizzati, iniziare con la configurazione del progetto:

1. Nella home page dello Studio selezionare Crea nuovo dalla scheda Modello personalizzato.

2. Usare il comando ➕ Crea un progetto per avviare la configurazione guidata del nuovo progetto.

3. Immettere i dettagli del progetto, selezionare la sottoscrizione e la risorsa di Azure e il contenitore di archiviazione BLOB di Azure che contiene i dati.

4. Rivedere e inviare le impostazioni per creare il progetto.

Durante la creazione di modelli personalizzati, potrebbe essere necessario estrarre raccolte di dati dai documenti. Le raccolte vengono mostrate in uno dei due formati seguenti. Uso delle tabelle come modello visivo:

• Conteggio dinamico o variabile di valori (righe) per un determinato set di campi (colonne)

• Raccolta specifica di valori per un determinato set di campi (colonne e/o righe)

Vedere Studio di Informazioni sui documenti: etichettatura come tabelle

REST API

Il training con etichette consente prestazioni migliori in alcuni scenari. Per eseguire il training con etichette, è necessario avere file speciali di informazioni sulle etichette (<nomefile>.pdf.labels.json) nel contenitore di archiviazione BLOB insieme ai documenti di training.

I file di etichette contengono associazioni chiave-valore immesse manualmente da un utente. Sono necessari per il training dei dati etichettati, ma non è necessario che ogni file di origine abbia un file di etichette corrispondente. I file di origine senza etichette vengono considerati come normali documenti di training. Per un training affidabile, è consigliabile usare almeno cinque file di etichette. Per generare questi file, è possibile usare uno strumento dell'interfaccia utente come lo Studio di Informazioni sui documenti.

Dopo aver creato i file di etichette, è possibile includerli chiamando il metodo di training con il parametro useLabelFile impostato su true.

Librerie client

Il training con etichette consente prestazioni migliori in alcuni scenari. Per eseguire il training con etichette, è necessario avere file speciali di informazioni sulle etichette (<nomefile>.pdf.labels.json) nel contenitore di archiviazione BLOB insieme ai documenti di training. Quando sono disponibili, è possibile chiamare il metodo di training con il parametro useTrainingLabels impostato su true.

Lingua	metodo
C#	StartBuildModel
Java	beginBuildModel
JavaScript	beginBuildModel
Python	begin_build_document_model

Creare un modello composto

Nota

L'operazione create compose model è disponibile solo per i modelli personalizzati con training con etichette. Il tentativo di comporre modelli senza etichette genererà un errore.

Con l'operazione create compose model, è possibile assegnare fino a 100 modelli personalizzati con training a un singolo ID modello. Quando si analizzano i documenti con un modello composto, Informazioni sui documenti classifica innanzitutto il modulo inviato, quindi sceglie il modello assegnato più adatto e restituisce i risultati per tale modello. Questa operazione è utile nel caso in cui i moduli in ingresso appartengano a uno dei diversi modelli.

Document Intelligence Studio

Al termine del processo di training, è possibile iniziare a creare il modello composto. Ecco i passaggi per la creazione e l'utilizzo di modelli composti:

• Raccogliere gli ID dei modelli personalizzati
• Comporre i modelli personalizzati
• Analizzare i documenti
• Gestire i modelli composti

Raccogliere gli ID dei modelli

Quando si esegue il training dei modelli usando lo Studio di Informazioni sui documenti, l'ID modello si trova nel menu dei modelli in un progetto:

Comporre i modelli personalizzati

1. Selezionare un progetto di modelli personalizzati.

2. Nel progetto selezionare la voce di menu Models.

3. Nell'elenco risultante dei modelli selezionare i modelli da comporre.

4. Scegliere il pulsante Componi nell'angolo superiore sinistro.

5. Nella finestra popup assegnare un nome al modello appena composto e selezionare Componi.

6. Al termine dell'operazione, il nuovo modello composto verrà visualizzato nell'elenco.

7. Quando il modello è pronto, usare il comando Test per convalidarlo con i documenti di test e osservare i risultati.

Analizzare i documenti

L'operazione Analizza del modello personalizzato richiede di specificare il valore modelID nella chiamata a Informazioni sui documenti. Specificare l'ID modello composto per il parametro modelID nelle applicazioni.

Gestire i modelli composti

È possibile gestire i modelli personalizzati nei cicli di vita:

• Test e convalida di nuovi documenti.
• Download del modello da usare nelle applicazioni.
• Eliminazione del modello al termine del ciclo di vita.

REST API

Al termine del processo di training, è possibile iniziare a creare il modello composto. Ecco i passaggi per la creazione e l'utilizzo di modelli composti:

• Comporre i modelli personalizzati
• Analizzare i documenti
• Gestire i modelli composti

Comporre i modelli personalizzati

L'API Compose Model accetta un elenco di ID modello da comporre.

Analizzare i documenti

Per effettuare una richiesta di analisi dei documenti, usare un nome di modello univoco nei parametri della richiesta.

Gestire i modelli composti

È possibile gestire i modelli personalizzati per tutte le esigenze di sviluppo, ad esempio copia, elenco ed eliminazione dei modelli.

Librerie client

Al termine del processo di training, è possibile iniziare a creare il modello composto. Ecco i passaggi per la creazione e l'utilizzo di modelli composti:

• Creare un modello composto
• Analizzare i documenti
• Gestire i modelli composti

Creare un modello composto

È possibile usare il linguaggio di programmazione preferito per creare un modello composto:

Linguaggio di programmazione	Esempio di codice
C#	Model compose
Java	Model compose
JavaScript	Compose model
Python	Create composed model

Analizzare i documenti

Dopo aver creato il modello composto, è possibile usarlo per analizzare moduli e documenti. Usare il model ID composto e consentire al servizio di decidere quale dei modelli personalizzati aggregati si adatta meglio in base al documento fornito.

Linguaggio di programmazione	Esempio di codice
C#	Analizzare un documento con un modello personalizzato/composto usando l'ID modello
Java	Analizzare un documento con un modello personalizzato/composto usando l'ID modello
JavaScript	Analizzare un documento con un modello personalizzato/composto usando l'ID modello
Python	Analizzare un documento con un modello personalizzato/composto usando l'ID modello

Gestire i modelli composti

È possibile gestire modelli personalizzati in ogni fase dei cicli di vita. È possibile copiare un modello personalizzato tra risorse, visualizzare un elenco di tutti i modelli personalizzati nella sottoscrizione, recuperare informazioni su un modello personalizzato specifico ed eliminare modelli personalizzati dall'account.

Linguaggio di programmazione	Esempio di codice
C#	Copiare un modello personalizzato tra risorse di Informazioni sui documenti
Java	Copiare un modello personalizzato tra risorse di Informazioni sui documenti
JavaScript	Copiare un modello personalizzato tra risorse di Informazioni sui documenti
Python	Copiare un modello personalizzato tra risorse di Informazioni sui documenti

Ottimo. Sono stati appresi i passaggi per creare modelli personalizzati e composti e usarli nei progetti e nelle applicazioni di Informazioni sui documenti.

Passaggi successivi

Provare uno dei nostri argomenti di avvio rapido di Informazioni sui documenti:

Document Intelligence Studio

REST API

C#

Java

JavaScript

Python