注記: このテクノロジーはプレビューとして提供されており、今後のバージョンで改善される予定です。
仮説フィルタリングコンテナーの設定
- Deep Learning アクティビティのブロックをクリックし、Filter Hypotheses を選択します。新しい仮説フィルタリングコンテナーが作成され、選択した Deep Learning アクティビティがその中に配置されます。
- （任意）さらに Deep Learning アクティビティを仮説フィルタリングコンテナーにドラッグします。これにより、2 つ以上の Deep Learning アクティビティの出力を組み合わせて比較できます。たとえば、テキストの field とテーブルを同時に扱う場合、2 つのアクティビティが必要になることがあります。
- コンテナーに Extraction Rules アクティビティを追加します。プレースホルダーをクリックして新規アクティビティを作成するか、既存のアクティビティをコンテナーにドラッグします。
- Extraction Rules アクティビティを設定します。Deep Learning アクティビティで見つかった各値に対して、Deep Learning 検索要素を追加し、そのプロパティを設定します。1 つの Deep Learning アクティビティのすべての出力 field を一度に追加できます。Deep Learning 検索要素は、検索領域を制限するプロパティや、要素を見つけるための条件をすべてサポートします。
- 仮説フィルタリングコンテナーの入力と出力を、ドキュメント処理ワークフロー内の他のブロックに接続します。仮説フィルタリングコンテナーの出力 field は、Extraction Rules アクティビティの出力 field と同一になります。
注: Deep Learning アクティビティの出力の制御をやめる場合は、コンテナー内の任意の場所をクリックし、Don’t Filter Hypotheses を選択します。コンテナーは分解されますが、アクティビティ自体は削除されず、変更後のドキュメント処理ワークフローでも引き続き使用できます。
例
Skill ワークフロー
- Deep Learning アクティビティで Text の field を抽出します。
- Deep Learning 2 アクティビティでテーブルを抽出します。
- Hypothesis Filtering コンテナでそれらの結果を選択・統合します。
抽出ルールアクティビティにおける検索要素の構造
例 1: Deep Learning アクティビティで見つかった値を修正する
- 95 の値を修正するために、新しい検索要素を作成します。DocNumber_Corrected という名前のこの検索要素は、95 検索要素の領域内に配置し、文字数を制限する必要があります。
- 新しい要素の検索領域は、要素のコードに次の行を追加して 95 の領域に一致するように制限します。
- 修正済みの検索要素を、ドキュメント番号を抽出するfieldにマッピングします:
例 2: 複数回検出された値から 1 つを選択する
Note: まず ラベル付け済みドキュメント セットを保存 してフォルダーに置くことを推奨します。ある field で Allow Multiple Items 設定を無効にすると、その field の余分な出現箇所はラベリングからすべて削除されます。Deep Learning アクティビティで学習されたモデルは引き続き機能しますが、変更して再学習する場合は元のドキュメント セットを読み込む必要があります。
- Document Number field で Allow Multiple Items 設定を無効にします（この設定は Manage Fields をクリックして開きます）。
- 複数の出現箇所を持つ Document_Number 検索要素は Document Number field にマッピングできません。そのため、Deep Learning アクティビティの伝票番号の出力から新しい Deep Learning 検索要素を作成し、Document Number field にマッピングします。
- Deep Learning アクティビティで見つかった伝票番号の複数の出現箇所をもとに仮説ツリーを構築し、そのうち 1 つだけを Document_Number 検索要素の値として選択します。
- 特定の出現箇所を見つけるため、Document_Number 検索要素に条件を追加します（この例では、伝票番号の最上段の出現箇所を選択します）。
例 3: 2 つの Deep Learning アクティビティの出力を組み合わせる
