Fast Learning 액티비티는 정형 및 반정형 문서에서 field를 추출하는 데 사용됩니다. 또한 Vantage에서 문서를 처리하는 동안 이 액티비티의 출력 field로 선택된 field를 학습할 수 있습니다. 자세한 내용은 Vantage Runtime Guide의 Online Learning을 참조하십시오. Activity Properties 창에서 field 학습 옵션의 선택을 해제하여 명시적으로 비활성화할 수 있습니다. 문서 처리 흐름에 Fast Learning 액티비티를 추가하지 않으면, 스킬을 생성하고 게시한 이후에는 field를 학습할 수 없습니다.Vantage에서 생성된 스킬을 편집하는 경우, 해당 스킬에는 사전 학습된 Fast Learning 액티비티가 포함되어 있을 수 있습니다. 다른 액티비티를 추가하고 이를 사전 학습된 액티비티와 결합해 사용할 수 있습니다. 자세한 내용은 Vantage에서 생성 및 학습된 스킬 편집하기를 참조하십시오.
Fast Learning 액티비티는 복잡한 구조(예: 다른 테이블 내부의 반복 구조인 중첩 테이블)와 Image 타입의 field를 추출할 수 없습니다. 이러한 구조를 추출하려면 Extraction Rules activity를 사용하십시오.
문서 세트에 여러 가지 문서 레이아웃 변형이 있고, 학습 시 각 변형에 대한 샘플을 제공할 수 있는 경우. 예를 들어 여러 은행의 은행 명세서에서 데이터를 추출하도록 학습시키고자 할 때, 각 은행에 대한 샘플을 보유하고 있는 경우입니다.
아직 스킬이 학습되지 않은 문서 변형을 처리할 계획이고 Online Learning(온라인 학습)을 활용하고자 하는 경우. 예를 들어 송장을 처리할 때 공급업체마다 자체 송장 레이아웃을 사용하며, 새로운 공급업체가 매일 생길 수 있습니다. 이 경우 문서에서 데이터를 추출하기 위해 다른 활동을 사용하지만, 처리 흐름에 Fast Learning 활동을 추가할 수도 있으며, 이는 수동 검토 루프에서 제공되는 Online Learning 피드백을 사용하여 런타임 중에 학습됩니다.
Fast Learning은 유사한 문서 레이아웃을 클러스터로 묶는 기술을 기반으로 하며, 각 클러스터에 대해 내부적으로 field 추출 모델을 학습합니다. Fast Learning activity는 수천 가지의 서로 다른 문서 변형을 학습할 수 있습니다.Deep Learning activity와 달리, Fast Learning activity는 이미지 패턴을 학습하기보다는 자신이 한 번 “본” 것을 암기하는 경향이 있습니다. 따라서 Fast Learning은 아직 접하지 못한 새로운 문서 변형에 대해서는 일반화할 수 없습니다. Fast Learning activity가 런타임 중에 새로운 문서를 처리하게 되면, 해당 문서가 어떤 클러스터와 가장 유사한지를 판별한 뒤, 그 클러스터에 대응되는 내부 모델을 적용합니다.이 activity는 큰 학습 세트를 필요로 하지 않습니다. 단 한 개의 문서만으로도 학습을 시작하기에 충분합니다. 동일한 문서의 여러 변형(예: 본질적으로는 동일하지만 모양이 약간 다른 문서들)이 있는 경우, 각기 다른 변형을 대표하는 문서들을 학습 세트에 포함할 것을 권장합니다.자세한 내용은 Fast Learning activity 설정을 참조하십시오.
