Tipy pro vytváření efektivních atributů v nástroji Analyzer v aplikaci Acrobat

Vytváření účinných atributů je iterativní proces.Začněte jednoduchou definicí, zkontrolujte, jak ji Analyzer interpretuje napříč skutečnými dokumenty, a přidejte podrobnosti pouze tehdy, když výsledky ukáží, že je zapotřebí objasnění.

Začněte jednoduchou definicí

Začněte přímým popisem informací, které chcete extrahovat.

Vyhněte se přidávání omezení, podmínek nebo příkladů, dokud neporozumíte tomu, jak si počíná počáteční definice.Jednoduché začátky usnadňují identifikaci toho, které formulace zlepšují nebo snižují přesnost.

Například:

Extrahujte retenční poplatek z dokumentu.

Napište jasné definice v běžném jazyce

Popište koncept, jako byste jej vysvětlovali někomu, kdo dokument nezná.

Zaměřte se na význam spíše než na to, kde se informace objevují.

Vyhněte se spoléhání na:

• Formátování.
• Čísla sekcí.
• Pozice na stránce.
• Další pokyny závislé na rozložení.

Například:

Ceník uvádí role nebo pozice a hodinovou sazbu pro každou z nich.

Upřesnit atribut

Upřesnění obvykle vyžaduje více než jeden cyklus vyhodnocení.

Diagnostikujte neočekávané výsledky

Použijte vzor ve výsledcích k rozhodnutí o tom, jak změnit definici.

Výsledky jsou příliš široké

Pokud atribut extrahuje nesouvisející obsah:

• Udělejte definici konkrétnější.
• Je-li to užitečné, upřesněte očekávaný formát odpovědi.
• Zvolte vhodný typ hodnoty, například Číslo pro číselné výsledky.

Například:

Vraťte odpověď pouze jako procento.

Výsledky jsou příliš úzké nebo chybí

Pokud se nevrátí očekávané hodnoty:

• Odstraňte zbytečná omezení.
• Přidejte kladné a záporné příklady pro objasnění zamýšleného výsledku.
• Ověřte, že se cílové informace skutečně vyskytují v hodnocených dokumentech.

Výsledky se liší napříč dokumenty

Pokud definice funguje pro některé dokumenty, ale pro jiné ne:

• Nejdříve ji ověřte na dokumentech, o kterých víte, že obsahují cílové informace.
• Rozšiřte testování na širší škálu dokumentů až poté, co budou počáteční výsledky konzistentní.
• Ručně ověřte zdrojový dokument, když si nejste jisti, zda je očekávaná hodnota přítomna.

Používejte příklady záměrně

Příklady mohou objasnit, co by měla definice zahrnovat nebo vyloučit.

• Používejte kladné příklady pro zobrazení hodnot, které by měly být extrahovány.
• Používejte záporné příklady pro zobrazení hodnot, které by neměly být extrahovány.
• Je-li to možné, omezte příklady na tři až pět.

Příklady by měly vylepšit jasnou definici, ne ji nahradit.

Používejte víceúrovňovou logiku pouze v případě potřeby

Některé atributy závisí na kontextu nebo posloupnosti rozhodnutí.V těchto případech popište logiku explicitně.

Například

Zálohový poplatek získáte podle těchto kroků:

1. Najděte oddíl poplatků v dokumentu.
2. Identifikujte vyměřovací poplatky vyjádřené procentuálně na začátku období.
3. Považujte X % za standardní; všechna ostatní procenta označují vyjednané sazby.
4. Vraťte procento a údaj o tom, zda se jedná o standardní nebo vyjednanou sazbu.

Tento přístup používejte pouze v případě, že jednodušší definice nevykazuje spolehlivé výsledky.

Použijte zpětnou vazbu vyhodnocování

Během testování zkontrolujte získané hodnoty a označte výsledky jako správné nebo nesprávné.

Pokud je výsledek nesprávný, zadejte správnou hodnotu, pokud je to možné.Díky tomu můžete identifikovat falešně pozitivní výsledky, nezachycené shody a vzorce, které označují místa, kde definice potřebuje zpřesnění.

Ověřte před rozšířením

Před širokým použitím atributu jej ověřte na reprezentativním vzorku dokumentů.

Ověření vám umožní:

• Identifikovat hraniční případy.
• Vyhnout se uplatnění nepřesné definice na rozsáhlou sadu dokumentů.
• Získat jistotu, že se atribut chová konzistentně.

Pokud výsledky stále vypadají nesprávně, před dalším zpřesněním definice ověřte zdrojové dokumenty.Mezi běžné příčiny patří:

• Slabá kvalita textu u skenovaných dokumentů.
• Soubory chráněné heslem nebo uzamčené.
• Poškozené zdrojové soubory.
• Chybějící cílové informace.

Než změníte definici, která již může být správná, ověřte, zda očekávané informace v dokumentu existují.