Поделиться через


Повышение производительности вашей модели обработки документов

Если производительность модели ниже требуемой, например, вы получаете плохие результаты или низкие показатели достоверности, вы можете попробовать несколько вещей.

Понимание оценки точности модели

Интерпретируйте свою оценку точности, чтобы определить, что ваша модель пытается извлечь. Оценки моделей включают рекомендации по повышению оценки.

  1. Выполните вход в Power Apps или Power Automate.

  2. В области навигации слева выберите Дополнительно>Центр ИИ.

  3. В разделе Возможности ИИ выберите Модели ИИ.

  4. (Необязательно) Чтобы модели ИИ постоянно находились в меню для быстрого доступа, выберите значок булавки.

  5. Откройте модель обработки документов, которую вы хотите исследовать. Вы должны увидеть показатель точности.

    Заметка

    Вы не увидите показателя точности для моделей обработки документов в следующих случаях:

    • Если модель была обучена с выбранным типом документа "Общие документы". В настоящее время показатели точности возвращаются только для моделей типа "Документы с фиксированным шаблоном".
    • Ваша модель была импортирована из другой среды.
    • Если ваша модель прошла обучение до 1 января 2022 г. В этом случае вы можете переобучить ее.
  6. На странице сведений о модели вы должны увидеть общий показатель точности.

    Снимок экрана оценки точности.

  7. Чтобы узнать подробности, ознакомьтесь с результатами оценки полностью.

    Снимок экрана: оценка модели, вкладка

    На этой панели вы можете перемещаться между различными вкладками, чтобы определить, что ваша модель пытается извлечь. Вы можете просматривать вкладки Коллекция, Поле, Таблица и Флажок, чтобы найти то, что не обрабатывается должным образом.

    Вот пример информации на вкладке Поле.

    Снимок экрана: оценка модели, вкладка

    В этом примере вам нужно повысить точность информации Поставщик.

    Снимок экрана с плохой оценкой точности на вкладке

    Посмотрите предложения того, что вы можете сделать, чтобы улучшить свою модель, наведя указатель мыши на элементы с низкой оценкой точности. Например, вы можете увидеть рекомендацию предоставить больше образцов документов для обучения.

Часто задаваемые вопросы

Что делать, если у меня низкая оценка точности для поля, таблицы или флажка?

  1. Убедитесь, что поле, таблица или флажок правильно помечены во всех документах.
  2. Предоставьте больше образцов документов для обучения, где присутствует поле, таблица или флажок.

Что делать, если у меня низкая оценка точности для коллекции?

Убедитесь, что все документы в коллекции имеют одинаковый макет. Чтобы узнать больше о коллекциях, перейдите в Группировка документов по коллекциям.

Добавление дополнительных документов к обучающим данным

Чем больше документов вы отметите, тем в большей степени AI Builder научится лучше распознавать поля. Чтобы добавить больше документов, отредактируйте модель обработки документов и отправьте больше документов. Вы найдете возможность редактировать модель на странице сведений о модели.

Снимок экрана: страница сведений с возможностью редактирования модели обработки документов.

Дополнительные советы

  • Для заполненных форм используйте примеры, в которых все поля заполнены.
  • Используйте формы с разными значениями в каждом поле.
  • Если ваши изображения формы имеют более низкое качество, используйте набор данных большего размера (например, 10–15 изображений).
  • По возможности используйте текстовые документы PDF вместо документов на основе изображений. Отсканированные PDF-файлы обрабатываются как изображения.
  • При создании новой модели обработки документов отправляйте документы с одним и тем же макетом, где каждый документ является отдельным экземпляром. Например, счета за разные месяцы должны быть в разных документах, а не все в одном.
  • Документы с разным макетом должны быть отправлены в разные коллекции при отправке образцов для обучения.
  • Если модель обработки документов извлекает значения из соседних полей из поля, из которого модель должна извлекать, отредактируйте модель и пометьте смежные значения, которые подбираются неправильно, как разные поля. В этом случае модель лучше изучит границы для каждого поля.