通过创建学习实例来开始处理文档，从各种支持的文档类型中提取数据。 学习实例是一种结构，其中包含文档类型、语言、要提取的字段等信息。

先决条件

  • 要创建学习实例，您必须是学习实例创建者用户。 请参阅 Document Automation 用户。
  • 对于支持 OCR 的文档类型，默认的 OCR 是 ABBYY FineReader Engine。或者，您可以创建一个学习实例来使用 Google Vision OCR 处理文档。
  • 对于标准表单文档类型，请确保您已创建自定义提取模型。 请参阅 使用 Standard Forms 创建自定义提取模型。

观看此视频，了解创建学习实例的完整端到端过程：

过程

  1. 从 Control Room 主页导航到 AI > Document Automation ，然后单击创建学习实例。
  2. 输入该学习实例的名称和描述。
    Document Automation 不允许重复的学习实例名称，因此您提供的名称必须是唯一的。
  3. 选择合适的文档类型。
    注： 使用用户定义的文档类型来处理在视觉上与发票相似的文档，例如包含键值对和表格结构的采购订单和销售订单。 在此文档类型中，您可以创建和配置所有表单和表格字段。
  4. 选择语言。
    有关 Document Automation 中支持的语言的详细信息，请参阅 Document Automation 中支持的语言。

    如果您选择在步骤 3 配置解析器时使用的文档类型，则在解析器配置期间选择的语言会自动被选中。 此外，区域设置列表会根据自动选择的语言显示语言选项。

  5. 选择提供商。
    如果您在步骤 4 中选择了英语语言， Automation Anywhere（预训练）会被自动选中。

    如果您选择在步骤 3 中配置解析器时使用的文档类型，则配置的（第三方）解析器会自动被选为提供商。

  6. 可选： 选择 OCR 提供商。
    您可从以下选项中进行选择：
    • ABBYY
    • Google Vision
    • 数字 PDF 提取器
      注： 仅使用数字 PDF 提取器选项从数字 PDF 中提取数据，而不能从扫描的文档或图像中提取数据。

    默认情况下，Document Automation 使用 ABBYY FineReader Engine 处理文档。

    具有 Cloud Control Room 的用户可以选择使用 Google Vision OCR 或数字 PDF 提取器处理文档。

  7. 可选： 您可以使用通过验证提高准确性选项向系统发送反馈，以改进提取结果。 有关更多信息，请参见 通过验证提高提取准确性。
    注：
  8. 可选： 选择生成式 AI 驱动的数据提取选项以使用 generative AI 功能进行提取。 有关更多信息，请参阅 Document Automation - 使用 generative AI 的数据提取。
    选择以下 generative AI 提供商之一：
    注：
    • 要使用生成式 AI 驱动的数据提取选项，请确保您使用的是 Document Extraction package 版本 3.31.16 或更高版本。 请参阅 Document Extraction package updates。
    • 仅对选定的文档类型提供生成式 AI 驱动的数据提取选项。 对于某些文档类型，生成式 AI 驱动的数据提取选项默认启用，且无法禁用。 对于此类文档类型，您只能选择 generative AI 提供商。
    • 当您从之前的版本更新到 v.33 或更高版本时，Open AI 将被设置为默认的数据提取提供商。
    • 当您在学习实例中选择 Anthropic 作为数据提取提供商且未在相应的提取 bot 中配置所需的 Anthropic 设置时，处理文档时会出现错误。
    • 如果您为学习实例选择了 Anthropic 提供商，并错误配置了 Anthropic 设置或在相应的提取 bot 中选择了不同的提供商，处理文档时将会看到错误。
    • 如果您使用 OpenAI 处理了文档，然后切换到 Anthropic 进行数据提取，那么只有在切换到 Anthropic 之后处理的文档才会使用 Anthropic 进行数据提取。 对于先前处理的文档，提取的数据将使用 OpenAI。
    • Open AI：OpenAI 提供访问 Open AI 强大的语言模型，用于内容生成、摘要、图像理解、语义搜索和自然语言到代码的翻译。 该提供商可通过嵌入式许可证（不需要任何额外的许可证）和自带许可证 (BYOL) 使用。 如果您使用自带许可证 (BYOL)，请确保在提取 bot 中配置 OpenAI 的附加设置以使用此提供商。 请参阅 Extract data action。
    • Anthropic： 您现在可以通过 AWS 和 GCP 使用 Anthropic generative AI 模型在 Document Automation 中进行数据提取。 此产品为您提供灵活性，可以根据贵公司认证的 Cloud 提供商选择 generative AI 模型。

      Anthropic 提供以下优势：

      • 高效处理大型非结构化文档
      • 可以处理英文和其他语言的文档
      • 以更高的数据提取准确性更快地处理文档

      如果您使用自带许可证 (BYOL)，则必须在 Google Vertex AI 或 Amazon Bedrock 服务上配置 Anthropic Claude 模型，然后在提取 bot 中配置其他设置以使用此提供商。 请参阅 Extract data action。

    在 Document Automation 中创建学习实例
  9. 单击下一步。

我们建议您在配置表单和表格字段时，将示例文档与 Control Room 窗口并排打开。

注：
  • 表单字段是指在文档中仅出现一次的字段类型。
  • 表格字段是一种在文档中反复出现的字段，通常以表格的形式出现。

  1. 配置表单和表格字段以进行提取。 有关更多详情，请参阅 查看和搜索字段。
    1. 单击字段以打开字段编辑器。 有关更多详情，请参阅 编辑字段和创建自定义别名的指南
    2. 将鼠标悬停在字段右侧的菜单图标上，访问上下箭头。
    3. 使用箭头重新排列字段的顺序，以实现更高效的手动验证。
      字段的顺序不会改变提取。
    有关其他字段属性的更多信息，请参阅 表单和表格字段的注意事项。
  2. 单击 添加字段 并指定字段详细信息，例如字段名称、字段标签、置信度、数据类型、格式化日期/数字等。 有关更多详情，请参阅 表单和表格字段的注意事项。
    注： 如果您选择了生成式 AI 驱动的数据提取选项，我们建议您在创建学习实例时添加字段的优质提示，以获得预期结果。 请参阅 Document Automation - 使用 generative AI 的数据提取。
    以下图像显示了在学习实例中配置的表单和表格字段：
    学习实例的表单字段

    学习实例的表格字段和在学习实例级别添加自定义表格
    注： 添加字段选项不适用于收据文档类型。
  3. 可选： 在表格字段选项卡上，单击 + 图标以在学习实例级别添加自定义表格。
    1. 输入表格名称。
    2. 可选： 输入提示，描述要从中提取数据的文档中表格的详细信息。 例如，如果文档包含多个表头相同但标题不同的表格，可以在提示中指定准确的表格标题，以确保从正确的表格中提取数据。
      要更新表格提示，请单击编辑表格（编辑表格图标）图标，更新提示，然后单击更新。
    3. 单击添加。
    4. 单击 添加字段 并指定字段详细信息，例如字段名称、字段标签、置信度、数据类型、格式化日期/数字等。 有关更多详情，请参阅 表单和表格字段的注意事项。
      注： 您还可以在编辑学习实例时添加和删除自定义表格。
    自定义表格显示在表格下拉列表中。
    在学习实例级别创建表格并显示在下拉列表中

    您还可以在文档规则选项卡上查看自定义和默认表格中的字段，但无法选择所有不同表格中的字段。 有关多表格支持的更多详细信息，请参阅 在学习实例中创建或编辑自定义多表格的指南。

  4. 单击创建。
当创建一个新的学习实例时，Control Room 会在 自动化 > 文档工作区流程 文件夹中创建一个与学习实例同名的文件夹。 文件夹包含两个bots（提取和下载）、一个流程和一个表单。 有关更多详情，请参阅 Bots 输出文件和文件夹结构。

后续步骤

将文档上传到学习实例，修复验证错误，并验证提取的数据：在 Document Automation 中处理文档