메인 콘텐츠로 건너뛰기
Segmentation 액티비티는 비정형 문서의 텍스트를 단락 단위로 분할하도록 설계되었습니다. 이를 통해 프로그램은 다른 액티비티에서 추출해야 하는 field의 검색 영역을 더욱 좁힐 수 있습니다. 이 액티비티는 전체 단락을 Text field로 추출하는 데에도 사용할 수 있습니다(예: 계약서에서 법률 조항과 조건으로 구성된 단락 전체를 추출하려는 경우).
단락 예시

​
사용 사례

다음과 같은 경우 이 활동을 문서 처리 흐름에 추가하세요:
  • 문서에서 추출하려는 개체명이 항상 같은 단락에 위치하는 것이 확실한 경우. 예를 들어, 추출해야 하는 조직(Organization) 이름과 주소가 각 계약서의 첫 번째 단락에 위치해 있다는 것을 알고 있다면, Segmentation 활동을 사용해 첫 번째 단락을 추출한 다음, 이 단락에서 Named Entities (NER) 활동을 사용하여 회사 이름과 주소를 추출할 수 있습니다. 이 방법은 전체 문서에서 개체명을 추출하는 것보다 더 신뢰성이 높은데, 개체가 추출되는 특정 영역을 제어할 수 있기 때문입니다.
  • 단락 안의 모든 내용이 중요해 단락 전체를 추출해야 하는 경우. 예를 들어, 계약서의 지급 조건이 포함된 단락이 이에 해당합니다.

​
작동 방식

Segmentation 액티비티는 기준 레이블링(reference labeling)을 사용하여 학습되므로 가능한 한 많은 문서를 정확하게 레이블링하는 것이 중요합니다. 학습 세트에 충분한 문서가 포함된 경우 액티비티는 교차 검증(cross-validation)을 사용하여 학습됩니다. 문서 세트는 여러 하위 세트로 나누고, 액티비티는 여러 번 학습합니다. 매번 하나의 하위 세트를 학습에서 제외하고 내부 테스트에 사용하여 학습 결과를 검증합니다. 이 기법은 추출 정확도를 향상시키는 동시에 레이블링 오류를 탐지하고, 이에 대한 수정 제안을 할 수 있도록 해 줍니다. 권장되는 샘플 문서 수는 다음과 같습니다.
  • 변동성이 높은 문서의 경우 최소 100개의 샘플 문서가 필요합니다.
  • 변동성이 낮은 문서의 경우 최소 20개의 샘플 문서가 필요합니다.
자세한 내용은 Segmentation 액티비티 설정을 참조하십시오.