Millora el rendiment del teu model de processament de documents
Si el rendiment del vostre model no és el que voleu, per exemple, obteniu mals resultats o puntuacions de confiança baixes, hi ha algunes coses que podeu provar.
Interpretar la puntuació de precisió del model
Interpreteu la vostra puntuació de precisió per identificar el que el vostre model està lluitant per extreure. Les avaluacions del model inclouen recomanacions per augmentar la puntuació.
Inicieu sessió a Power Apps OR Power Automate.
A la subfinestra esquerra, seleccioneu ... Més>centre d'IA.
A Descobreix una capacitat d'IA, seleccioneu Models d'IA.
(Opcional) Per mantenir els models d'IA permanentment al menú per accedir-hi fàcilment, seleccioneu la icona del marcador.
Obriu el model de processament de documents que voleu investigar. Hauríeu de veure la puntuació de precisió.
Nota
En els casos següents, no veureu puntuacions de precisió per als models de processament de documents:
- Si el model s'ha entrenat seleccionant "Documents generals" com a tipus de document. Actualment, les puntuacions de precisió només es retornen per a models de tipus "Documents de plantilla fixa".
- El model s'ha importat d'un altre entorn.
- Si el vostre model es va entrenar abans de l'1 de gener de 2022. En aquest cas, podeu tornar-lo a entrenar.
A la pàgina de detalls del model, hauríeu de veure la puntuació de precisió general.
Per obtenir més informació, seleccioneu Revisa l'avaluació completa.
En aquest tauler, podeu navegar entre diferents pestanyes per identificar el que el vostre model està lluitant per extreure. Podeu navegar per les pestanyes Col·lecció, Camp, Taula i Casella de selecció per trobar què no es processa correctament.
Aquí teniu un exemple de la informació de la pestanya Camp.
En aquest exemple, voleu millorar la precisió de la informació del proveïdor .
Consulteu suggeriments sobre què podeu fer per millorar el vostre model passant el cursor per sobre dels elements amb una puntuació de precisió deficient. Per exemple, és possible que vegeu una recomanació per proporcionar més documents d'exemple per a la formació.
Preguntes freqüents
Què puc fer si tinc una puntuació de precisió baixa per a un camp, una taula o una casella de selecció?
- Comproveu que el camp, la taula o la casella de selecció estiguin etiquetats correctament a tots els documents.
- Proporcioneu més documents d'exemple per a l'entrenament on hi hagi el camp, la taula o la casella de selecció.
Què puc fer si tinc una puntuació de precisió baixa per a una col·lecció?
Comprova que tots els documents de la col·lecció tinguin la mateixa disposició. Per obtenir més informació sobre les col·leccions, aneu a Agrupar documents per col·leccions.
Afegir més documents a les dades d'entrenament
Com més documents etiquetes, més AI Builder aprendràs a reconèixer millor els camps. Per afegir més documents, editeu el model de processament de documents i pengeu més documents. Trobareu l'opció d'editar el model a la pàgina de detalls del model.
Més consells
- Per als formularis emplenats, utilitzeu exemples que tinguin tots els seus camps emplenats.
- Utilitzeu formularis amb valors diferents a cada camp.
- Si les imatges del formulari són de menor qualitat, utilitzeu un conjunt de dades més gran (10-15 imatges, per exemple).
- Si és possible, utilitzeu documents PDF basats en text en lloc de documents basats en imatges. Els PDF escanejats es gestionen com a imatges.
- Quan creeu un model de processament de documents, carregueu documents amb la mateixa disposició on cada document és una instància independent. Per exemple, les factures de diferents mesos han d'estar en documents separats i no tots en el mateix.
- Els documents que tenen diferents dissenys haurien d'anar a diferents col·leccions quan pengeu mostres per a la formació.
- Si el model de processament de documents extreu valors dels camps veïns del que voleu que extregui el model, editeu el model i etiqueteu els valors adjacents que s'estan recollint incorrectament com a camps diferents. D'aquesta manera, el model aprèn millor els límits de cada camp.