Creación de esquemas para la extracción de texto

Genera, mejora, agrupa y fusiona automáticamente esquemas personalizados para la extracción de pares clave-valor de documentos sin necesidad de crear esquemas manualmente.

En los flujos de trabajo de extracción de texto, se pueden extraer datos estructurados de los documentos de dos formas principales:

  • Extracción genérica: el sistema identifica y extrae automáticamente pares clave-valor sin necesidad de un esquema.
  • Extracción personalizada basada en esquemas: un esquema define las entidades conocidas o previstas, y el sistema extrae pares clave-valor basándose en dicho esquema.

La extracción tradicional basada en esquemas exige que los usuarios creen y mantengan manualmente esquemas personalizados. Las API de esquemas semánticos simplifican este proceso al generar automáticamente esquemas personalizados a partir de los documentos de entrada. Las API analizan la estructura y el contenido de los documentos de muestra y generan un esquema reutilizable que describe los pares clave-valor que se deben extraer.

Las API devuelven el esquema generado como una carga útil JSON. Puedes revisar, perfeccionar y reutilizar esta carga útil, y luego proporcionársela a la API de extracción de texto como parte de una solicitud de extracción de pares clave-valor basada en un esquema.

Las API de esquemas semánticos son pasos de preprocesamiento opcionales en el flujo de trabajo de comprensión de documentos. Están pensadas principalmente para situaciones de extracción de pares clave-valor basadas en esquemas en las que no se dispone de un esquema predefinido adecuado.

Para obtener información sobre los parámetros para crear esquemas personalizados, consulte «Creación de esquemas personalizados para la clasificación y extracción de pares clave-valor ».

API de esquemas semánticos disponibles

  • Crear: Generar automáticamente un esquema personalizado a partir de los documentos de entrada. Para obtener información sobre la API de creación, consulta la API de creación de esquemas.
  • Mejorar: Perfeccionar un esquema existente cuando cambian los formatos de los documentos o es necesario mejorar la precisión de la extracción. Para obtener información sobre la API de improve, consulta «Crear API de improve ».
  • Agrupación: Consolidar varios esquemas similares en un único esquema unificado. Para obtener información sobre la API de clústeres, consulta «Crear una API de clúster ».
  • Fusionar: Combinar dos esquemas en uno solo cuando los esquemas se han creado de forma independiente. Para obtener información sobre la API de fusión, consulta «Crear una API de fusión ».

Creación de un esquema para la extracción de pares clave-valor

Sigue este ejemplo para ver cómo utilizar una API de esquemas semánticos para generar un esquema personalizado a partir de documentos de muestra y aplicarlo a una solicitud de extracción de texto.

  1. Generar un esquema: Utiliza la API «Create» para generar automáticamente un esquema personalizado a partir de tus documentos de entrada.
  2. Perfeccionar el esquema (opcional): si el esquema generado necesita mejoras, utiliza la API «Improve» para perfeccionarlo basándote en documentos o requisitos adicionales.
  3. Consolidar esquemas (opcional): si tienes varios esquemas similares, utiliza la API de clústeres para agruparlos y consolidarlos en un esquema único.
  4. Combinar esquemas (opcional): si necesitas combinar diferentes esquemas, utiliza la API de fusión para crear un único esquema completo.
  5. Utilizar el esquema en la extracción de texto: Copia el esquema generado (que se devuelve como una carga JSON) e inclúyelo en la solicitud de extracción de texto como parte del semantic_config parámetro.