中的數據提取 Document Automation

了解系統如何通過用戶提供的更改來提高提取準確性 Validator.

通過驗證提高提取精度

創建學習實例時，用戶可以選擇啟用此功能以根據用戶提供的更改向學習實例發送反饋 Validator.在 Document Automation，在生產模式下運行的學習實例可以在用戶調整大小或重新定位提取區域時持續“學習” Validator.

註: 此功能僅適用於 Automation Anywhere 預訓練模型。

下圖提供了學習實例不斷從驗證中接收反饋的過程的可視化概述：

通過驗證反饋“教授”學習實例的過程

上傳的文檔通過提取引擎。
如果學習實例成功提取數據，文檔將添加到直通式處理 (STP) 計數中，提取的值將下載到 Success 文件夾中的文件中。
如果學習實例無法提取數據，系統會評估文檔是否包含不熟悉的佈局。
如果學習實例不識別文檔佈局（新佈局），則發送文檔進行手動驗證，用戶“教導”學習實例如何通過設置提取區域來提取數據。
提取的值被下載到 Success 文件夾中的一個文件，更改被收集在一個反饋文件中，該文件被發送到反饋數據庫。
註:
- 僅當用戶更改提取區域時才會收集反饋。如果用戶手動輸入文本，系統不會收集反饋。
- 反饋文件僅包含現場位置數據，以提高後續文檔的提取精度。
如果學習實例識別出集群，它會從反饋數據庫中檢索以前的反饋並使用它來提取數據。

作為 Automation 360v.27，您可以訓練一個學習實例從包含多個字段的單元格中提取數據。

例如，如果產品說明欄也包含項目編號，則您可以在驗證介面中列出項目編號。學習實例處理後續文件時，會擷取項目編號並忽略產品說明。

按照此過程配置學習實例以從單元格中提取特定值：

Document Automation 提取是基於對象檢測。在文檔處理期間，提取引擎識別對象，或字段和關聯值的鍵值對。引擎創建文檔的“指紋”，它存儲對象的順序和每個對像在文檔中的位置。

處理文檔時，如果引擎識別出鍵及其位置，則會根據現有指紋對文檔進行分類和提取。否則，引擎會保存密鑰及其位置的新指紋。

引擎識別文檔中現有指紋或創建新指紋的過程