Özel modeller oluşturma

vurgu stili

Bu içerik şunlar için geçerlidir: v3.1 (GA) | En son sürüm: v4.0 (önizleme) | Önceki sürümler: v3.0 v2.1

Önemli

Api-version=2024-07-31-preview ve sonraki sürümlerde model oluşturma davranışı değişiyor, daha fazla bilgi için oluşturulan özel modellere bakın. Aşağıdaki davranış yalnızca v3.1 ve önceki sürümler için geçerlidir

Oluşturulan model, özel modellerden oluşan bir koleksiyon alınarak ve bunları tek bir model kimliğine atayarak oluşturulur. Tek bir oluşturulan model kimliğine en fazla 200 eğitilmiş özel model atayabilirsiniz. Bir belge oluşturulan bir modele gönderildiğinde, hizmet hangi özel modelin analiz için sunulan formu doğru temsil ettiğine karar vermek için bir sınıflandırma adımı gerçekleştirir. Oluşturulan modeller, çeşitli modelleri eğittiğiniz ve bunları benzer form türlerini analiz etmek üzere gruplandırmak istediğinizde kullanışlıdır. Örneğin, oluşturulan modeliniz tedarik, ekipman ve mobilya satın alma siparişlerinizi analiz etmek için eğitilmiş özel modeller içerebilir. Uygun modeli el ile seçmeye çalışmak yerine, oluşturulan modeli kullanarak her analiz ve ayıklama için uygun özel modeli belirleyebilirsiniz.

Daha fazla bilgi edinmek için bkz . Özel modeller oluşturma.

Bu makalede, formlarınızı ve belgelerinizi analiz etmek için oluşturulmuş özel modeller oluşturmayı ve kullanmayı öğreneceksiniz.

Önkoşullar

Başlamak için aşağıdaki kaynaklara ihtiyacınız vardır:

• Azure aboneliği. Ücretsiz bir Azure aboneliği oluşturabilirsiniz.

• Bir Belge Yönetim Bilgileri örneği. Azure aboneliğinizi aldıktan sonra anahtarınızı ve uç noktanızı almak için Azure portalında bir Belge Zekası kaynağı oluşturun. Mevcut bir Belge Yönetim Bilgileri kaynağınız varsa doğrudan kaynak sayfanıza gidin. Ücretsiz fiyatlandırma katmanını (F0) kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

  1. Kaynak dağıtıldıktan sonra Kaynağa git'i seçin.

  2. Anahtarlar ve Uç Nokta değerlerini Azure portalından kopyalayın ve Microsoft Not Defteri gibi uygun bir konuma yapıştırın. Uygulamanızı Belge Zekası API'sine bağlamak için anahtar ve uç nokta değerlerine ihtiyacınız vardır.

İpucu

Daha fazla bilgi için bkz . Belge Yönetim Bilgileri kaynağı oluşturma.

• Bir Azure depolama hesabı. Azure depolama hesabı oluşturmayı bilmiyorsanız Azure portalı için Azure Depolama hızlı başlangıcını izleyin. Ücretsiz fiyatlandırma katmanını (F0) kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

Özel modellerinizi oluşturma

İlk olarak, oluşturmak için bir dizi özel modele ihtiyacınız vardır. Document Intelligence Studio, REST API veya istemci kitaplıklarını kullanabilirsiniz. Adımlar şu şekildedir:

• Eğitim veri kümenizi derleme
• Eğitim kümenizi Azure blob depolamaya yükleme
• Özel modellerinizi eğitin

Eğitim veri kümenizi derleme

Özel model oluşturma, eğitim veri kümenizi oluşturmakla başlar. Örnek veri kümeniz için aynı türde en az beş tamamlanmış form gerekir. Farklı dosya türlerinden (jpg, png, pdf, tiff) olabilir ve hem metin hem de el yazısı içerebilirler. Formlarınızın Belge Yönetim Bilgileri için giriş gereksinimlerini karşılaması gerekir.

İpucu

Veri kümenizi eğitim için iyileştirmek için şu ipuçlarını izleyin:

• Mümkünse, görüntü tabanlı belgeler yerine metin tabanlı PDF belgeleri kullanın. Taranan PDF'ler görüntü olarak işlenir.
• Doldurulmuş formlar için tüm alanları doldurulmuş örnekler kullanın.
• Her alanda farklı değerlere sahip olan formlar kullanın.
• Form görüntüleriniz daha düşük kalitedeyse daha büyük bir veri kümesi (örneğin 10-15 görüntü) kullanın.

Eğitim belgelerinizi toplama hakkında ipuçları için bkz . Eğitim veri kümesi oluşturma.

Eğitim veri kümenizi karşıya yükleme

Bir dizi eğitim belgesi topladıktan sonra, eğitim verilerinizi bir Azure blob depolama kapsayıcısına yüklemeniz gerekir.

El ile etiketlenmiş verileri kullanmak istiyorsanız, eğitim belgelerinize karşılık gelen .labels.json ve .ocr.json dosyalarını karşıya yüklemeniz gerekir.

Özel modelinizi eğitin

Modelinizi etiketli verilerle eğittiğinizde model, sağladığınız etiketli formları kullanarak ilgilendiğiniz değerleri ayıklamak için denetimli öğrenmeyi kullanır. Etiketli veriler daha iyi performans gösteren modellerle sonuçlanır ve anahtar içermeyen karmaşık formlarla veya değer içeren formlarla çalışan modeller üretebilir.

Belge Zekası, yazı tipinin ve el yazısı metin öğelerinin beklenen boyutlarını ve konumlarını öğrenmek ve tabloları ayıklamak için önceden oluşturulmuş düzen modeli API'sini kullanır. Ardından, belgelerdeki anahtar/değer ilişkilendirmelerini ve tablolarını öğrenmek için kullanıcı tarafından belirtilen etiketleri kullanır. Yeni bir model eğitmeye başlamak için aynı türdeki (aynı yapı) el ile etiketlenmiş beş form kullanmanızı öneririz. Ardından, model doğruluğunu geliştirmek için gerektiğinde daha fazla etiketli veri ekleyin. Belge Zekası, denetimli öğrenme özelliklerini kullanarak anahtar-değer çiftlerini ve tabloları ayıklamak için modeli eğitmeye olanak tanır.

Belge Makine Zekası Stüdyosu

Özel modeller oluşturmak için projenizi yapılandırmayla başlayın:

1. Studio giriş sayfasında Özel model kartından Yeni oluştur'u seçin.

2. Yeni proje yapılandırma sihirbazını ➕ başlatmak için Proje oluştur komutunu kullanın.

3. Proje ayrıntılarını girin, Azure aboneliğini ve kaynağını ve verilerinizi içeren Azure Blob depolama kapsayıcısını seçin.

4. Gözden geçirin, ayarlarınızı gönderin ve projeyi oluşturun.

Özel modellerinizi oluştururken, belgelerinizden veri koleksiyonlarını ayıklamanız gerekebilir. Koleksiyonlar iki biçimden biri görünebilir. Tabloları görsel desen olarak kullanma:

• Belirli bir alan kümesi (sütunlar) için dinamik veya değişken değer sayısı (satırlar)

• Belirli bir alan kümesi için belirli bir değer koleksiyonu (sütunlar ve/veya satırlar)

Bkz . Document Intelligence Studio: tablo olarak etiketleme

REST API

Etiketlerle eğitim, bazı senaryolarda daha iyi performans sağlar. Etiketlerle eğitmek için, eğitim belgelerinin yanı sıra blob depolama kapsayıcınızda özel etiket bilgileri dosyalarınız (<dosya adı>.pdf.labels.json) olması gerekir.

Etiket dosyaları, kullanıcının el ile girdiği ve etiketlenmiş veri eğitimi için gereken anahtar-değer ilişkilendirmelerini içerir. Ancak, her kaynak dosyanın karşılık gelen bir etiket dosyası olması gerekmez. Etiket içermeyen kaynak dosyalar sıradan eğitim belgeleri olarak kabul edilir. Güvenilir eğitim için beş veya daha fazla etiketli dosya öneririz. Bu dosyaları oluşturmak için Document Intelligence Studio gibi bir kullanıcı arabirimi aracı kullanabilirsiniz.

Etiket dosyaları, kullanıcının el ile girdiği anahtar-değer ilişkilendirmelerini içerir. Dosyalar etiketlenmiş veri eğitimi için gereklidir, ancak her kaynak dosyanın karşılık gelen bir etiket dosyası olması gerekmez. Etiket içermeyen kaynak dosyalar sıradan eğitim belgeleri olarak kabul edilir. Güvenilir eğitim için beş veya daha fazla etiketli dosya öneririz. Bu dosyaları oluşturmak için Document Intelligence Studio gibi bir kullanıcı arabirimi aracı kullanabilirsiniz.

Etiket dosyalarınızı aldıktan sonra, useLabelFile parametresi olarak ayarlanmış trueeğitim yöntemini çağırarak dosyalarına ekleyebilirsiniz.

İstemci kitaplıkları

Etiketlerle eğitim, bazı senaryolarda daha iyi performans sağlar. Etiketlerle eğitmek için, eğitim belgelerinin yanı sıra blob depolama kapsayıcınızda özel etiket bilgileri dosyalarınız (<dosya adı>.pdf.labels.json) olması gerekir. Bunları aldıktan sonra, useTrainingLabels parametresi olarak ayarlanmış trueeğitim yöntemini çağırabilirsiniz.

Dil	Metot
C#	StartBuildModel
Java	beginBuildModel
JavaScript	beginBuildModel
Python	begin_build_document_model

Oluşturulan model oluşturma

Not

create compose model işlemi yalnızca etiketlerle eğitilen özel modeller için kullanılabilir. Etiketsiz modeller oluşturma girişimi bir hataya neden olur.

Oluşturma modeli oluşturma işlemiyle, tek bir model kimliğine en fazla 100 eğitilmiş özel model atayabilirsiniz. Oluşturulan modele sahip belgeleri analiz ederken, Belge Zekası önce gönderdiğiniz formu sınıflandırır, ardından en iyi eşleşen atanan modeli seçer ve bu modele ilişkin sonuçları döndürür. Bu işlem, gelen formlar çeşitli şablonlardan birine ait olabileceğinde yararlıdır.

Belge Makine Zekası Stüdyosu

Eğitim işlemi başarıyla tamamlandıktan sonra, oluşturulan modelinizi oluşturmaya başlayabilirsiniz. Oluşturulan modelleri oluşturma ve kullanma adımları şunlardır:

• Özel model kimliklerinizi toplama
• Özel modellerinizi oluşturma
• Belgeleri analiz etme
• Oluşturulan modellerinizi yönetme

Model kimliklerinizi toplama

Document Intelligence Studio kullanarak modelleri eğittiğinizde, model kimliği bir projenin altındaki modeller menüsünde bulunur:

Özel modellerinizi oluşturma

1. Özel modeller projesi seçin.

2. Projede menü öğesini seçin Models .

3. Elde edilen model listesinden oluşturmak istediğiniz modelleri seçin.

4. Sol üst köşedeki Oluştur düğmesini seçin.

5. Açılan pencerede yeni oluşturulan modelinizi adlandırın ve Oluştur'u seçin.

6. İşlem tamamlandığında, yeni oluşturulan modeliniz listede görünür.

7. Model hazır olduğunda Test komutunu kullanarak test belgelerinizle doğrulayın ve sonuçları gözlemleyin.

Belgeleri analiz etme

Özel model Çözümle işlemi, Belge Zekası modelID çağrısında sağlamanızı gerektirir. Uygulamalarınızda parametresi için modelID oluşturulan model kimliğini sağlamanız gerekir.

Oluşturulan modellerinizi yönetme

Özel modellerinizi yaşam döngüleri boyunca yönetebilirsiniz:

• Yeni belgeleri test edin ve doğrulayın.
• Uygulamalarınızda kullanmak için modelinizi indirin.
• Yaşam döngüsü tamamlandığında modelinizi silin.

REST API

Eğitim işlemi başarıyla tamamlandıktan sonra, oluşturulan modelinizi oluşturmaya başlayabilirsiniz. Oluşturulan modelleri oluşturma ve kullanma adımları şunlardır:

• Özel modellerinizi oluşturma
• Belgeleri analiz etme
• Oluşturulan modellerinizi yönetme

Özel modellerinizi oluşturma

Oluşturulan modeller API'si oluşturulacak model kimliklerinin listesini kabul eder.

Belgeleri analiz etme

Belgeyi analiz etme isteğinde bulunmak için istek parametrelerinde benzersiz bir model adı kullanın.

Oluşturulan modellerinizi yönetme

Modellerinizi kopyalama, listeleme ve silme dahil olmak üzere geliştirme gereksinimleriniz boyunca özel modelleri yönetebilirsiniz.

İstemci kitaplıkları

Eğitim işlemi başarıyla tamamlandıktan sonra, oluşturulan modelinizi oluşturmaya başlayabilirsiniz. Oluşturulan modelleri oluşturma ve kullanma adımları şunlardır:

• Oluşturulan model oluşturma
• Belgeleri analiz etme
• Oluşturulan modellerinizi yönetme

Oluşturulan model oluşturma

Oluşturulan bir model oluşturmak için tercih ettiğiniz programlama dilini kullanabilirsiniz:

Programlama dili	Kod örneği
C#	Model oluşturma
Java	Model oluşturma
JavaScript	Model oluşturma
Python	Oluşturulan model oluşturma

Belgeleri analiz etme

Oluşturulan modelinizi derledikten sonra formları ve belgeleri analiz etmek için kullanabilirsiniz. Oluşturulan model ID modelinizi kullanın ve toplanan özel modellerinizin hangilerinin sağlanan belgeye göre en uygun olduğunu hizmetin belirlemesine izin verin.

Programlama dili	Kod örneği
C#	Model kimliğini kullanarak özel/oluşturulmuş bir modelle belgeyi analiz etme
Java	Model kimliğini kullanarak özel/oluşturulmuş bir modelle belgeyi analiz etme
JavaScript	Model kimliğini kullanarak özel/oluşturulmuş bir modelle belgeyi analiz etme
Python	Model kimliğini kullanarak özel/oluşturulmuş bir modelle belgeyi analiz etme

Oluşturulan modellerinizi yönetme

Bir özel modeli yaşam döngülerinin her aşamasında yönetebilirsiniz. Kaynaklar arasında özel bir model kopyalayabilir, aboneliğinizin altındaki tüm özel modellerin listesini görüntüleyebilir, belirli bir özel model hakkındaki bilgileri alabilir ve özel modelleri hesabınızdan silebilirsiniz.

Programlama dili	Kod örneği
C#	Belge Yönetim Bilgileri kaynakları arasında özel model kopyalama
Java	Belge Yönetim Bilgileri kaynakları arasında özel model kopyalama
JavaScript	Belge Yönetim Bilgileri kaynakları arasında özel model kopyalama
Python	Belge Yönetim Bilgileri kaynakları arasında özel model kopyalama

Harika! Özel ve oluşturulmuş modeller oluşturma ve bunları Belge Yönetim Bilgileri projelerinizde ve uygulamalarınızda kullanma adımlarını öğrendiniz.

Sonraki adımlar

Belge Zekası hızlı başlangıçlarımızdan birini deneyin:

Belge Makine Zekası Stüdyosu

REST API

C#

Java

JavaScript

Python