Skip to main content
La actividad de Segmentation está diseñada para dividir el texto de documentos no estructurados en párrafos. Esto permite que el programa acote las regiones de búsqueda de los campos que deben extraerse mediante otras actividades. La actividad también puede usarse para extraer párrafos completos en campos de texto (por ejemplo, si desea extraer cláusulas y condiciones legales de un contrato).
Párrafo de ejemplo

​
Casos de uso

Agregue esta actividad a su flujo de procesamiento de documentos en los siguientes casos:
  • Cuando sabe que las entidades nombradas que desea extraer de los documentos siempre se encuentran en el mismo párrafo. Por ejemplo, si sabe que los nombres de organizaciones y las direcciones que necesita extraer se encuentran en el primer párrafo de cada contrato, puede extraer el primer párrafo usando una actividad de Segmentation y luego extraer nombres de empresas y direcciones de ese párrafo usando una actividad de Named Entities (NER). Este enfoque es más fiable que extraer entidades nombradas de todo el documento, ya que puede controlar el área específica de la que se extraen dichas entidades.
  • Cuando sea necesario extraer un párrafo en su totalidad porque todo su contenido es valioso; por ejemplo, un párrafo que contenga las condiciones de pago de un contrato.

​
Cómo funciona

Las actividades de Segmentation se entrenan con etiquetado de referencia, por lo que es esencial etiquetar correctamente tantos documentos como sea posible. Si el conjunto de entrenamiento contiene suficientes documentos, la actividad se entrena mediante validación cruzada. El conjunto de documentos se divide en varios subconjuntos y la actividad se entrena varias veces. En cada ocasión, uno de los subconjuntos se excluye del entrenamiento y se utiliza para pruebas internas, lo que permite validar los resultados del entrenamiento. Esta técnica mejora la precisión de la extracción, además de detectar errores de etiquetado y sugerir correcciones. La cantidad recomendada de documentos de ejemplo es la siguiente:
  • Para documentos con alta variabilidad, se requieren al menos 100 documentos de ejemplo.
  • Para documentos con baja variabilidad, se requieren al menos 20 documentos de ejemplo.
Para obtener más información, consulte Configurar una actividad de Segmentation.