Skip to main content
Los operadores de verificación pueden mejorar la extracción de datos reentrenando los modelos de NLP. Cuando FlexiCapture no detecta un campo o confunde un campo con otro, el operador indica cuál es el campo correcto y reentrena el modelo. A continuación, FlexiCapture usa el modelo reentrenado para extraer los datos con mayor precisión.
El entrenamiento adicional no está disponible para los modelos de NLP cargados en Definiciones de Document.

​
Iniciar el entrenamiento durante la verificación

Inicie el entrenamiento de una de estas dos maneras:
  • Agregar una etapa de entrenamiento después de la etapa de verificación. El entrenamiento comienza cuando se cumplen las condiciones establecidas para el lote de entrenamiento. Para obtener más información, consulte Configuración del workflow.
  • Envíe manualmente documentos a la etapa de entrenamiento: haga clic con el botón derecho en el documento del lote de trabajo y seleccione Train.

​
Cómo funciona el entrenamiento

  • Cuando comienza el entrenamiento, FlexiCapture crea un lote de entrenamiento genérico (si aún no existe) y copia en él todos los documentos de la Definición de Document, independientemente de la variante.
  • A cada documento se le asigna el estado Para entrenamiento o Para pruebas.
  • Los documentos marcados como Para entrenamiento se utilizan para crear un nuevo modelo de NLP.
  • El nuevo modelo se prueba con los documentos marcados como Para pruebas.
  • Si el nuevo modelo tiene un rendimiento igual o superior al existente, lo reemplaza. De lo contrario, se rechaza.
Si algunos documentos contienen los mismos campos, pero están ubicados de forma muy diferente, cree lotes de entrenamiento independientes para cada variante a fin de mejorar el reconocimiento.

​
Crear un lote de entrenamiento para un proveedor o una variante específicos

1

Abrir el proyecto

En Project Setup Station, abra el proyecto con el modelo NLP. Para obtener más información, consulte Crear modelos NLP.
2

Abrir modo Entrenamiento de extracción de campos

Seleccione Entrenamiento de campos → Abrir modo Entrenamiento de extracción de campos, presione Ctrl+Alt+B o seleccione modo Entrenamiento de extracción de campos en el menú contextual.
3

Crear el lote

Seleccione Archivo → New Batch (o presione Ctrl+N). Elija la Definición de Document y la variante y, a continuación, seleccione NLP Batch en el menú contextual.
4

Agregar documentos y entrenar

Agregue los documentos, reconózcalos, edite el orden de las secciones e inicie el entrenamiento mediante Train en el menú contextual, Ctrl+F7 o el botón Train Batch de la Toolbar.
La calidad de un modelo NLP entrenado depende del número de documentos de entrenamiento y de la calidad de su marcado:
  • Marque cada campo descrito por la Definición de Document en los documentos de entrenamiento.
  • Incluya entre 100 y 500 documentos en cada lote de entrenamiento. Este intervalo permite a FlexiCapture elegir los mejores parámetros sin ralentizar el entrenamiento.
Cuando se utilizan los comentarios de los operadores para el entrenamiento, los nuevos documentos se agregan tanto al lote de entrenamiento como al lote de variantes:
  • Para una variante que tiene su propio lote de entrenamiento, se utiliza el modelo creado para ese lote.
  • Para las demás variantes, se utiliza el modelo creado para el lote de entrenamiento genérico.
Si se agrega desde la misma fuente un documento idéntico a otro que ya está en un lote de entrenamiento, el documento nuevo reemplaza al anterior y esto se registra en el registro de tareas en segundo plano. FlexiCapture utiliza los parámetros de registro del documento para determinar si un documento es una copia.

​
Configuración del lote de entrenamiento

Después de crear el lote, seleccione Show NLP Batch Settings para configurar las siguientes opciones.

​
Exportar estadísticas de entrenamiento

Una vez finalizado el entrenamiento, puede exportar las estadísticas de un modelo NLP, que incluyen:
  • La configuración del lote de entrenamiento.
  • Información sobre los modelos NLP nuevo y anterior.
  • El tiempo de entrenamiento.
  • La versión del componente NLP utilizado.
  • Estadísticas de entrenamiento de documentos y campos.
  • La actualidad de los datos exportados. Si el parámetro isActual es false, el lote se modificó después del entrenamiento (se añadieron o eliminaron documentos, se modificó el marcado, etc.). Vuelva a iniciar el entrenamiento para obtener estadísticas actualizadas.
Para exportar el registro, haga clic con el botón derecho en el lote, seleccione Exportar estadísticas de extracción de campos en el menú contextual y especifique dónde guardar el archivo CSV.