Document Understanding 用户指南

Primarily applied during the automatic annotation process of documents in the Build step, these generative models accelerate taxonomy design and help in training models efficiently.

Document Understanding 中的预标注是根据文档类型的架构，使用生成式模型和专用模型的组合来完成的。架构明确定义了要从特定文档类型中提取的字段。

To get a deeper understanding of how Generative Annotation works and how you can use it efficiently in your projects, check the Annotate documents page.

生成式提取是 Document Understanding^TM 中的一个重要功能，它利用了生成式 AI 模型的强大功能。这些模型使用活动进行配置，主要在运行时用于数据提取。

生成式提取能够从非结构化或半结构化文档中解读和提取特定信息。例如，它可以扫描发票并准确检索详细信息，例如日期、账单金额和公司名称。这样可以从各种类型的文档中快速、高效且高度准确地收集信息。

生成式分类使用 AI 模型在文档上传后立即自动对文档进行分类。

此自动分类流程利用 ML 模型来“读取”文档的内容，了解其上下文，从而将其归入预定义的类别。这样，系统可以高效地处理和组织多种类型的文档。

通过准确分类非结构化或半结构化文档，生成式分类改进了文档处理工作流、节省时间并增强整体文档管理。

生成式验证是 Document Understanding 中的一个特有功能，在验证过程中扮演着重要角色。此功能主要在提取步骤之后使用，以验证使用专用模型提取的内容的置信度分数。

当 ML 模型的文档提取置信度分数较低时，系统将使用生成式验证来交叉检查输出。此验证流程涉及专用 ML 模型和生成式 ML 模型的协同工作，以确保准确性。

如果两个模型产生相同的输出，则可以绕过人工验证，从而大幅提高验证的时间效率。此流程不仅可以节省文档验证步骤中的宝贵时间，而且可以使用辅助生成模型来交叉验证输出，从而提高模型的准确性，最终提高模型的性能。