Extracción de datos de documentos - How To I

Haga clic en INICIO > Proyectos > Añadir proyecto + para crear un nuevo proyecto. Nombra tu proyecto. En nuestro ejemplo se llama "Recibos". Guarde el proyecto mediante "Guardar". Puede añadir usuarios adicionales a su proyecto a través de INICIO > Invitaciones a proyectos > Añadir+ invitar.

Haga clic en INICIO > Etiquetas > Añadir etiqueta + para crear una etiqueta. Ponle un nombre a tu etiqueta. En nuestro ejemplo se denomina "Importe bruto". Añádalo a su proyecto a través de la pestaña (aquí: "Recibos") y haga clic en "Guardar". 

Haga clic en INICIO > Plantillas para ir a las plantillas. Haga clic en la plantilla que tenga el nombre de su proyecto (aquí: "Recibos"). Añada la etiqueta que ha creado a la plantilla utilizando los botones de flecha para añadirla de "etiquetas disponibles" a "etiquetas elegidas". Guarde haciendo clic en "Guardar". En el siguiente tutorial aprenderás a utilizar plantillas para leer documentos complejos.

Haga clic en DOCUMENTOS. Puede cargar aquí sus archivos locales mediante Drag&Drop o la ventana del navegador. Haga clic en el botón Recargar para recargar la página después de la carga. Ahora comienza el proceso de OCR. Dependiendo del tamaño del archivo, esto puede tardar un momento. Ahora estamos cargando 9 recibos (5 de formación y 4 de prueba).

Una vez finalizado el proceso de OCR, puedes acceder a tu documento a través de "Smartview". El OCR habrá dividido la información de su documento en entidades. Las "entidades" son palabras individuales o fragmentos de información enmarcados con líneas discontinuas. Al hacer clic sobre ellos, su fondo se vuelve verde. Las "anotaciones" son la información relevante de un documento que debe recuperarse o utilizarse. Son entidades a las que se ha asignado una etiqueta, lo que se hace manualmente por un humano o automáticamente por la IA. Utilice nuestro lazo si desea asignar varias entidades a una etiqueta. Para ello, mantenga pulsado el puntero del ratón y arrastre el lazo rojo que aparece sobre las entidades que desea marcar.
Haga clic en la entidad que desee marcar (aquí, por ejemplo, "48,60"). A la derecha, en la barra de anotaciones, verá que el contenido de la entidad está siendo leído por OCR. Haga clic en "Guardar" para asignar la etiqueta creada a la entidad (aquí: "Importe bruto") y convertirla así en una anotación.

En un proyecto más complicado, ahora tendría que seleccionar qué tipo de plantilla es y en qué sección del documento se encuentra. Para eso está la pestaña superior. En este tutorial, sin embargo, sólo trataremos los aspectos básicos, por lo que aquí sólo tienes una etiqueta para elegir.

Repita el paso 4 para todos los documentos cargados. Utilice las flechas para pasar de un documento a otro.

Una vez etiquetados todos los documentos, pueden dividirse en datos de entrenamiento y datos de prueba. 

El conjunto de datos de entrenamiento contiene documentos etiquetados manualmente, a partir de los cuales la IA aprende a etiquetar documentos por sí misma. El conjunto de datos de prueba también contiene documentos etiquetados manualmente. En este caso, la IA intenta etiquetarlos basándose en los conocimientos aprendidos del conjunto de datos de entrenamiento. Los documentos creados por la IA se Anotaciones con los creados por humanos y evaluados estadísticamente. 

En la vista de documentos, ahora puede marcar la casilla situada a la izquierda de cada nombre de archivo para seleccionar los documentos. En nuestro ejemplo, seleccionamos 5 documentos y elegimos la acción "Añadir al conjunto de datos de formación" en la pestaña de acciones de la parte inferior y hacemos clic en "Ir". A continuación, seleccionamos los 4 documentos restantes y repetimos el paso con la acción "Añadir al conjunto de datos de prueba". 

Haga clic en INICIO > Proyectos. Busque su proyecto y márquelo con una cruz. En la pestaña Acción, seleccione "Reentrenar modelo de IA" y haga clic en Ir. Un cartel que dice "Se ha iniciado el reentrenamiento del modelo de IA. Puede tardar hasta 24 horas". En un proyecto pequeño como el de este ejemplo, debería entrenarse tras sólo unos minutos. 

Para comprobar si el modelo de IA recién entrenado está listo, haga clic en INICIO > Modelos de IA. Aquí se incluye la evaluación cuantitativa basada en los datos de las pruebas.

Cargue un nuevo documento como se describe en el paso 3. Haga clic en "Smartview" después de que haya pasado por el proceso de OCR. Aquí puede revisar las anotaciones producidas por la IA. Confirme las sugerencias correctas haciendo clic en la marca verde y rechace las incorrectas borrándolas con la "X" roja. Añada también las anotaciones que falten. 

Ahora puedes añadir este documento al conjunto de datos de entrenamiento como en el paso 5 para aumentarlo y mejorar así el modelo de IA o puedes exportar la información. Si no obtiene resultados o obtiene resultados muy malos, compruebe si ha hecho todo bien en los pasos 4-6 o aumente el número de documentos de formación.

Seleccione los documentos cuyos datos desea descargar marcándolos. Si selecciona aquí varios documentos, se combinarán en un archivo CSV. En la pestaña de acciones, seleccione la acción "obtener datos humanos revisados como archivo csv" y haga clic en "ir". La descarga del archivo CSV debería iniciarse automáticamente. Los archivos CSV pueden utilizarse con programas de hojas de cálculo como Microsoft Excel, Google Sheets, etc.