Méthodes de sélection
Documents structurés
- Délimitez précisément la région de chaque champ — les seules valeurs des champs ne suffisent pas pour l’entraînement.
- Marquez l’intégralité de la zone réservée, et non la valeur qu’elle contient.
- Si un champ ne contient aucune valeur, marquez quand même la zone réservée vide.
- Pour les champs en plusieurs parties, maintenez la touche Maj enfoncée pour ajouter d’autres parties. Toutes les parties doivent se trouver sur la même page.
- Pour les tableaux d’un formulaire à structure fixe, annotez chaque ligne, y compris les lignes vides.
- Si vous ajoutez un nouveau champ après l’annotation, revenez en arrière et annotez ce champ sur chaque document du jeu d’entraînement.
Documents semi-structurés
- Définissez précisément la Region de chaque champ — les valeurs des champs seules ne suffisent pas pour l’entraînement.
- Cliquez sur la valeur du champ (le ou les mots qu’elle contient) ; la Region est créée automatiquement.
- Si un champ ne contient aucune valeur, ne créez pas de Region pour celui-ci.
- Ne marquez pas de parties de mots — le système d’entraînement n’apprend qu’à partir de mots entiers.
- Pour les champs en plusieurs parties, maintenez Maj enfoncée pour ajouter des parties supplémentaires. Toutes les parties doivent se trouver sur la même page.
- Ne demandez pas au programme de rechercher des champs à l’intérieur de la Region d’un autre champ (qu’il s’agisse d’un champ individuel comme une adresse ou d’une cellule de tableau comme Description). Pour extraire des données d’une grande Region, enchaînez les activités : une activité d’extraction semi-structurée pour trouver la Region, et ensuite une activité NLP Extraction Rules ou une règle de script pour en extraire des champs spécifiques.
- Si vous ajoutez un nouveau champ après l’annotation, revenez et annotez ce champ dans chaque document du jeu d’entraînement.
Tableaux et groupes répétitifs
Si les documents sont organisés différemment, choisissez l’option qui convient à la majorité.
Pour annoter un tableau, marquez les cellules de la première ligne une par une (chaque clic crée une colonne), puis cliquez sur Continuer le tableau à partir de cette ligne et vérifiez que le reste du tableau est correctement annoté.
Documents non structurés
- Définissez précisément la Region de chaque champ — les valeurs des champs seules ne suffisent pas pour l’entraînement.
- Pour les segments (champs entraînés par l’activité Segmentation), incluez un ou plusieurs paragraphes entiers. Un segment ne peut pas inclure seulement une partie de paragraphe.
- Cliquez sur la valeur du champ (le ou les mots qu’il contient) ; la Region est créée automatiquement.
- Si un champ ne contient aucune valeur, ne créez pas de Region pour ce champ.
- Ne marquez pas de fragments de mots — le système apprend uniquement à partir de mots entiers.
- Si un mot est suivi d’un signe de ponctuation, ajustez la Region pour que la ponctuation n’y soit pas incluse.
- Une Region de champ peut s’étendre sur plusieurs pages (par exemple, une clause de contrat). Annotez la première partie sur la première page, et puis maintenez Maj enfoncée tout en continuant sur la page suivante.
- Pour annoter un champ à l’intérieur de la Region d’un autre champ (par exemple, un champ dans un segment), sélectionnez le champ interne et commencez l’annotation — cette action crée une nouvelle Region au lieu de sélectionner la Region externe.
C’est l’inverse de la règle applicable ci-dessus aux documents semi-structurés : dans les documents non structurés, les segments sont conçus pour contenir des champs internes, donc l’annotation en leur sein est intentionnelle. Dans les documents semi-structurés, l’imbrication équivalente crée des conflits d’entraînement.