Modelos personalizados compostos por Document Intelligence
Importante
- As versões de visualização pública do Document Intelligence fornecem acesso antecipado a recursos que estão em desenvolvimento ativo.
- Recursos, abordagens e processos podem mudar, antes da Disponibilidade Geral (GA), com base nos comentários dos usuários.
- A versão de visualização pública das bibliotecas de cliente do Document Intelligence usa como padrão a versão 2024-02-29-preview.
- A versão de pré-visualização pública 2024-02-29-preview está atualmente disponível apenas nas seguintes regiões do Azure:
- E.U.A. Leste
- Oeste dos EUA2
- Europa Ocidental
Este conteúdo aplica-se a: v4.0 (pré-visualização) | Versões anteriores: v3.1 (GA) v3.0 (GA) v2.1 (GA)
Este conteúdo aplica-se a: v3.1 (GA) | Última versão: v4.0 (pré-visualização) | Versões anteriores: v3.0 v2.1
Este conteúdo aplica-se a: v3.0 (GA) | Últimas versões: v4.0 (preview) v3.1 | Versão anterior: v2.1
Este conteúdo aplica-se a: v2.1 | Última versão: v4.0 (pré-visualização)
Modelos compostos. Um modelo composto é criado pegando uma coleção de modelos personalizados e atribuindo-os a um único modelo criado a partir de seus tipos de formulário. Quando um documento é enviado para análise usando um modelo composto, o serviço executa uma classificação para decidir qual modelo personalizado representa melhor o documento enviado.
Com modelos compostos, você pode atribuir vários modelos personalizados a um modelo composto chamado com um único ID de modelo. É útil quando você treina vários modelos e deseja agrupá-los para analisar tipos de formulário semelhantes. Por exemplo, seu modelo composto pode incluir modelos personalizados treinados para analisar seus pedidos de compra de suprimentos, equipamentos e móveis. Em vez de tentar selecionar manualmente o modelo apropriado, você pode usar um modelo composto para determinar o modelo personalizado apropriado para cada análise e extração.
Custom form
eCustom template
os modelos podem ser compostos juntos em um único modelo composto.Com a operação de composição de modelos, você pode atribuir até 200 modelos personalizados treinados a um único modelo composto. Para analisar um documento com um modelo composto, o Document Intelligence primeiro classifica o formulário enviado, escolhe o modelo atribuído com melhor correspondência e retorna os resultados.
Para modelos de modelo personalizados, o modelo composto pode ser criado usando variações de um modelo personalizado ou diferentes tipos de formulário. Esta operação é útil quando os formulários de entrada pertencem a um dos vários modelos.
A resposta inclui uma
docType
propriedade para indicar qual dos modelos compostos foi usado para analisar o documento.Para
Custom neural
modelos, a prática recomendada é adicionar todas as diferentes variações de um único tipo de documento em um único conjunto de dados de treinamento e treinar em modelo neural personalizado. A composição do modelo é mais adequada para cenários em que você tem documentos de diferentes tipos sendo enviados para análise.
Com a introdução de modelos de classificação personalizados, você pode optar por usar um modelo composto ou um modelo de classificação como uma etapa explícita antes da análise. Para uma compreensão mais profunda de quando usar uma classificação ou um modelo composto, consulte Modelos de classificação personalizados.
Limites do modelo de composição
Nota
Com a adição do modelo neural personalizado, existem alguns limites para a compatibilidade de modelos que podem ser compostos em conjunto.
Com a operação de composição do modelo, você pode atribuir até 200 modelos a um único ID de modelo. Se o número de modelos que quero compor exceder o limite superior de um modelo composto, você pode usar uma destas alternativas:
Classifique os documentos antes de chamar o modelo personalizado. Você pode usar o modelo Read 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 modelo personalizado e o modelo neural personalizado.
Analisar um documento usando modelos compostos é idêntico a analisar um documento usando um único modelo. O
Analyze Document
resultado retorna umadocType
propriedade que indica qual dos modelos de componente você selecionou para analisar o documento. Não há alteração no preço para analisar um documento usando um modelo personalizado individual ou um modelo personalizado composto.Atualmente, o Model Compose está disponível apenas para modelos personalizados treinados com etiquetas.
Compatibilidade de modelos compostos
Tipo de modelo personalizado | Modelos treinados com v2.1 e v2.0 | Modelos de modelo personalizados v3.0 | Modelos neurais personalizados 3.0 | Modelos neurais personalizados v3.1 |
---|---|---|---|---|
Modelos treinados com versões 2.1 e v2.0 | Suportado | Suportado | Não suportado | Não suportado |
Modelos de modelo personalizados v3.0 | Suportado | Suportado | Não suportado | Não suportado |
Modelos de modelo personalizados v3.0 | Não suportado | Não suportado | Não suportado | Não suportado |
Modelos de modelo personalizados v3.1 | Não suportado | Não suportado | Não suportado | Não suportado |
Modelos neurais personalizados v3.0 | Não suportado | Não suportado | Suportado | Suportado |
Modelos neurais personalizados v3.1 | Não suportado | Não suportado | Suportado | Suportado |
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 v2.1 da API continua a ser suportado, não exigindo atualizações.
Para modelos personalizados, o número máximo que pode ser composto é 200.
Opções de desenvolvimento
O Document Intelligence v4.0:2023-02-29-preview suporta as seguintes ferramentas, aplicações e bibliotecas:
Caraterística | Recursos |
---|---|
Modelo personalizado | • Document Intelligence Studio • API REST • C# SDK • Java SDK • JavaScript SDK • Python SDK |
Modelo composto | • Document Intelligence Studio • API REST • C# SDK • Java SDK • JavaScript SDK • Python SDK |
O Document Intelligence v3.1:2023-07-31 (GA) suporta as seguintes ferramentas, aplicações e bibliotecas:
Caraterística | Recursos |
---|---|
Modelo personalizado | • Document Intelligence Studio • API REST • C# SDK • Java SDK • JavaScript SDK • Python SDK |
Modelo composto | • Document Intelligence Studio • API REST • C# SDK • Java SDK • JavaScript SDK • Python SDK |
O Document Intelligence v3.0:2022-08-31 (GA) suporta as seguintes ferramentas, aplicações e bibliotecas:
Caraterística | Recursos |
---|---|
Modelo personalizado | • Document Intelligence Studio • API REST • C# SDK • Java SDK • JavaScript SDK • Python SDK |
Modelo composto | • Document Intelligence Studio • API REST • C# SDK • Java SDK • JavaScript SDK • Python SDK |
O Document Intelligence v2.1 suporta os seguintes recursos:
Caraterística | Recursos |
---|---|
Modelo personalizado | • Ferramenta de etiquetagem de Inteligência Documental• API REST • SDK da biblioteca do cliente• Contêiner Docker de Inteligência Documental |
Modelo composto | • Ferramenta de etiquetagem de inteligência documental• API REST • C# SDK • Java SDK • JavaScript SDK • Python SDK |
Próximos passos
Aprenda a criar e compor modelos personalizados:
Comentários
https://aka.ms/ContentUserFeedback.
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja:Submeter e ver comentários