Classify By Text and Image activity

Il peut être difficile de définir les propriétés d’extraction de champs lorsqu’une seule Compétence de document doit traiter des documents dont l’emplacement des champs varie fortement (bien qu’ils soient du même type). Par exemple, la même compétence peut être utilisée pour traiter des factures de différents Fournisseurs, où les mêmes champs peuvent se trouver à des emplacements qui varient d’un Fournisseur à l’autre. Pour améliorer la qualité d’extraction de telles compétences, vous pouvez classer ses documents en classes, qui sont des sous‑groupes de documents (ayant des propriétés communes) au sein d’un même type de document, puis configurer des activités d’extraction distinctes pour chacune. Le classement des documents en classes peut également s’avérer nécessaire lorsque vous devez améliorer la qualité d’extraction pour l’une d’entre elles. Par exemple, une seule compétence peut être utilisée pour traiter des relevés bancaires émis par différentes banques. Un type de relevé peut présenter une qualité d’extraction inférieure à celle des autres. Pour améliorer la qualité d’extraction de cette compétence, vous pouvez classer les relevés en classes et configurer une activité Extraction Rules pour la classe dont la qualité d’extraction est insatisfaisante. L’activité Classify By Text and Image est conçue pour classer les documents d’une compétence en classes nécessitant la création et la configuration de leurs propres activités d’extraction.

​

Vue d’ensemble de la configuration

​

Créer et configurer l’activité dans l’onglet Activities

Créez une activité Classify By Text and Image dans le workflow. Lors de sa création, un champ destiné à enregistrer les résultats de classification est ajouté à la structure de la compétence. La valeur de ce champ sera utilisée pour classer les documents. Ce champ apparaîtra dans la structure des champs de la compétence, mais il sera marqué comme masqué et ne sera pas modifiable. Pour ouvrir l’éditeur d’activités, cliquez sur Activity Editor ou double-cliquez sur le bloc d’activité.

​

Configurez l’activité dans l’Éditeur d’activité

​

Étape 1 : Importer des documents

Importez les documents qui serviront à configurer l’activité en cliquant sur Upload dans la barre d’outils, puis en sélectionnant une méthode d’import :

• téléverser des documents… Utilisez la boîte de dialogue qui s’ouvre pour sélectionner les documents appropriés. Les documents sélectionnés s’affichent dans la liste No Class.
• Upload Folder Like Classes… Utilisez la boîte de dialogue qui s’ouvre pour sélectionner un dossier contenant des sous-dossiers d’images. Chaque sous-dossier doit contenir des images d’une seule classe. L’import de documents de cette manière crée automatiquement des classes correspondant aux sous-dossiers, et les documents présents dans ces sous-dossiers sont classés dans la classe correspondante. Ainsi, vous n’aurez pas besoin de créer manuellement des classes dans l’Éditeur d’activité.

​

Étape 2 : Créer des classes

Créez des classes correspondant aux différents types de documents à traiter en cliquant soit sur Create Class dans la barre d’outils, soit sur Create dans le volet Assign class. Si vos documents ont été envoyés à l’aide de Upload folder like classes, assurez-vous que toutes les classes requises ont été créées.

​

Étape 3 : Classer les documents

Classez vos documents à l’aide de l’une des méthodes suivantes :

• Sélectionnez tous les documents d’une même classe dans la liste, puis cliquez sur le nom de la classe appropriée dans le volet Assign class.
• Si aucune classe appropriée n’a encore été créée, sélectionnez tous les documents concernés dans la liste et créez une classe en cliquant sur Créer une classe dans la barre d’outils ou sur Créer dans le volet Assign class.
• Sélectionnez tous les documents d’une même classe et faites-les glisser vers la liste correspondant à cette classe.

​

Options supplémentaires

Si nécessaire, vous pouvez modifier l’orientation des pages du document à l’aide de la liste déroulante Rotate dans la barre d’outils. Vous pouvez sélectionner l’une des options suivantes : Rotate All Pages Left, Rotate All Pages Right ou Rotate All Pages 180º. Pour changer de mode d’affichage, utilisez les boutons suivants dans la barre d’outils :

• Vue en liste. Affiche les documents sous forme de liste
• Vue en vignettes. Affiche les documents sous forme de vignettes

Pour afficher l’image complète d’un document présenté en vue Vignettes, utilisez le bouton d’aperçu.

​

Entraîner un classificateur et afficher les résultats de classification

Une fois les documents classés, entraînez votre activité à l’aide du bouton Train Activity. Une fois l’entraînement terminé, des statistiques sur les résultats de classification s’affichent dans l’onglet Results. L’analyse de ces statistiques aide à identifier les classes problématiques et à évaluer la qualité globale du classificateur.

​

Statistiques générales

Le volet supérieur affiche des statistiques générales pour tous les documents et classes de l’activité. Ces statistiques aident à évaluer la qualité globale de votre classificateur :

• accuracy. Le pourcentage de documents dont la classe attendue correspond à la classe attribuée par le programme.
• F-Measure. À utiliser pour évaluer la précision et l’exhaustivité de la classification.
• Recall. La proportion de documents correctement classés dans une classe donnée par rapport à l’ensemble des documents de cette classe.
• Precision. La proportion de documents correctement classés dans une classe donnée par rapport à l’ensemble des documents classés dans cette classe (correctement ou incorrectement).

​

Statistiques par classe

Dans le volet Classes, vous pouvez consulter les statistiques pour chaque classe. Pour chacune d’elles, le pourcentage de documents dont la classe attendue correspond à la classe attribuée par le programme est affiché, ainsi que le nombre de documents correctement et incorrectement classés. Pour afficher les documents classés de manière incorrecte, sélectionnez la classe concernée dans le volet Classes et développez la liste des documents incorrectement classés (affichée en rouge). L’analyse de ces documents devrait vous aider à comprendre pourquoi le programme a attribué à un document spécifique une classe différente de la classe attendue. Cela peut souvent se produire si la classe attendue a été mal attribuée dès le départ, par exemple lorsque des documents de classes différentes sont trop similaires.

​

Corriger les erreurs de classification

​

Classes attendues incorrectes

Une cause possible d’une classification erronée est l’attribution incorrecte des classes attendues. Pour corriger ce type d’erreur, assignez simplement la classe attendue appropriée à un document. Dans l’onglet Results, sélectionnez une classe qui a été attribuée de manière incorrecte à un document. Développez la liste des documents dont les classes ont été attribuées de façon incorrecte, sélectionnez tous les documents de cette classe, puis assignez-leur la classe attendue appropriée à partir de la liste dans le panneau Assign class.

​

Documents similaires dans des classes différentes

Une autre cause possible d’erreurs de classification est la présence de documents très similaires répartis dans des classes différentes. Si le classificateur confond les classes pour deux variantes de document similaires, il est fort probable que ces variantes doivent appartenir à une seule et même classe avec une seule activité d’extraction. Dans ce cas, revoyez le nombre de classes et regroupez les classes confondues en une seule. Leurs différences devront ensuite être décrites à l’aide de règles dans une activité Extraction Rules.

​

Données d’entraînement insuffisantes

Une autre cause possible d’erreurs de classification est un nombre insuffisant de documents dans un ensemble de classes. Dans ce cas, vous pouvez améliorer la qualité du classificateur en ajoutant davantage de documents à l’ensemble. Après avoir ajouté de nouveaux documents ou modifié les classes, vous devrez réentraîner votre classificateur.