Informationen zu benutzerdefinierten Modellen

In Document Understanding können Sie benutzerdefinierte Modelle zum Extrahieren von Schlüssel/Wert-Paaren und zum Klassifizieren von Dokumenten nutzen und den Prozess an Ihre spezifischen Anforderungen anpassen.

Benutzerdefinierte Schlüssel/Wert-Extraktion

Mit dieser Funktion können Sie ein Modell erstellen, das benutzerdefinierte Felder in Dokumenten identifiziert und lokalisiert. Beispiel: Ein HR-Team kann ein Modell für Bewerbungsformulare erstellen, um Details wie Name, Job-ID und E-Mail-Adresse abzurufen. Die Ergebnisse enthalten einen Konfidenzscore für die Genauigkeit sowie die Koordinaten (Bounding Box) jedes erkannten Felds auf der Seite.

Benutzerdefinierte Modelltypen

Document Understanding bietet zwei Methoden für die benutzerdefinierte Schlüssel/Wert-Extraktion durch klassische und generative benutzerdefinierte Modelle:

Classic

Benutzerdefinierte klassische Schlüssel-Wert-Modelle (geschult)

Das Modell muss trainiert werden.
Erstellt ein Dataset mit annotierten Beispielen.
Ideal für Szenarien, die ein Modell erfordern, das auf ein bestimmtes Dokumentlayout oder eine bestimmte Branche abgestimmt ist, in der Sie Trainingsdaten mit Label versehen haben.
Informationen zum Setup finden Sie in der Dokumentation Dataset erstellen.

Generativ

[NEU] Benutzerdefinierte generative Schlüssel/Wert-Modelle (Prompt-basiert)

Perfekt für eine schnelle, flexible Extraktion, die durch Eingabeaufforderungen in natürlicher Sprache definiert wird – keine Trainingsdaten erforderlich.
Datenseterstellung und Modelltraining vollständig überspringen.
Beschreiben Sie die Felder im Klartext. Beispiel:
Extract Invoice Number, Invoice Date, Supplier Name, Total Amount
Geeignet für eine schnelle Bereitstellung, sich entwickelnde Anforderungen und Dokumente mit unterschiedlichen Formaten.
Weitere Informationen finden Sie unter Benutzerdefiniertes generatives Modell V2.0 erstellen (Neu).

Benutzerdefinierte Dokumentklassifizierung

Hier können Sie ein Modell entwickeln, um Dokumente in Kategorien zu sortieren, die Sie definieren. Beispiel für eine Bank: Die Klassifizierung von Hypothekendateien als Kreditauswertungen, Leasingverträge oder Antragsformulare. Es bietet einen Konfidenzscore für jede Kategorie, um die Zuverlässigkeit anzugeben.