View a markdown version of this page

Tutorial de consultas personalizadas - Amazon Textract
Requisitos previosCree un adaptadorCreación de conjuntos de datosAnotación y verificaciónFormaciónEvaluación del rendimiento del adaptadorMejorar un adaptadorInferenciaAdministración de adaptadores

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Tutorial de consultas personalizadas

Este tutorial le muestra cómo crear, entrenar, evaluar, usar y administrar adaptadores.

Con los adaptadores, puede mejorar la precisión de las operaciones de la API Amazon Textract y personalizar el comportamiento del modelo para adaptarlo a sus propias necesidades y casos de uso. Después de crear un adaptador con este tutorial, puede usarlo para analizar sus propios documentos con la operación de la AnalyzeDocumentAPI y también volver a entrenar el adaptador para futuras mejoras.

En este tutorial, aprenderá a:

  • Cree un adaptador con. Consola de administración de AWS

  • Cree un conjunto de datos para entrenar su adaptador.

  • Anota tus datos de entrenamiento.

  • Entrena tu adaptador en tu conjunto de datos de entrenamiento.

  • Revisa el rendimiento de tu adaptador.

  • Vuelva a entrenar el adaptador.

  • Utilice el adaptador para el análisis de documentos.

  • Elimine el adaptador.

Requisitos previos

Antes de empezar, le recomendamos que leaCreación de adaptadores.

También debe configurar su AWS cuenta e instalar y configurar un AWS SDK. Para ver las instrucciones de configuración del SDK, consultePaso 2: configurar el AWS CLI and AWS SDK.

Cree un adaptador

Antes de poder entrenar o usar un adaptador, debe crear uno. Para crear un adaptador:

  1. Inicia sesión en la consola de Amazon Textract Consola de administración de AWS y ábrela.

  2. En el panel izquierdo, selecciona Custom Queries. Se muestra la página de inicio de Amazon Textract Custom Queries.

    Self-service interfaz que muestra la función Amazon Textract Custom Queries para mejorar la precisión de la extracción de información en los documentos empresariales, con iconos que muestran sus ventajas y los pasos del flujo de trabajo, como la creación de adaptadores, la carga de muestras, el etiquetado, el entrenamiento de los modelos y la comprobación de las métricas de rendimiento.

  3. La página de inicio de las consultas personalizadas le muestra una lista de todos sus adaptadores, además de un botón para crear un adaptador. Selecciona Crear adaptador para crear tu adaptador. La cantidad de capacitaciones exitosas que se pueden realizar al mes está limitada por AWS cuenta. Consulte Establece cuotas en Amazon Textract para obtener más información sobre los límites.

    La lista de adaptadores está vacía con el mensaje «No hay adaptadores» y el botón «Crear adaptador».

  4. En la página siguiente, introduzca el nombre del adaptador, elija si desea actualizarlo automáticamente y, si lo desea, añada etiquetas. A continuación, selecciona Crear adaptador. Si eliges «actualizar automáticamente», Amazon Textract actualizará automáticamente tu adaptador cuando se actualice la función de consultas previamente entrenadas.

Después de crear el adaptador, podrá ver sus detalles, incluidos el nombre y el ID del adaptador. La presencia de estos detalles comprueba que el adaptador se ha creado correctamente.

Ahora puede crear los conjuntos de datos que se utilizarán para entrenar y probar el adaptador.

Creación de conjuntos de datos

En este paso, crea un conjunto de datos de entrenamiento y un conjunto de datos de prueba cargando imágenes desde su ordenador local o desde un bucket de Amazon S3. Para obtener más información sobre los conjuntos de datos, consulte Detección de texto Preparar conjuntos de datos de entrenamiento y prueba

Al cargar imágenes desde su ordenador local, puede cargar hasta 30 imágenes a la vez. Si tiene que cargar un gran número de imágenes, considere la posibilidad de crear los conjuntos de datos importando las imágenes desde un bucket de Amazon S3.

  1. Para empezar a crear el conjunto de datos, elija el adaptador de la lista de adaptadores y, a continuación, elija Crear conjunto de datos.

    Página de consultas personalizadas de Textract para my-test-adapter que muestra los pasos para crear un conjunto de datos, consultas, verificar documentos, entrenar el adaptador, comprobar las métricas de rendimiento y mejorar el adaptador.

  2. En la sección de configuración del conjunto de datos, selecciona División manual o División automática. Con la división manual, puede especificar imágenes individuales como parte de sus conjuntos de datos de entrenamiento y pruebas. Si eliges Autosplit, definirá tus conjuntos de entrenamiento y pruebas automáticamente cuando cargues todas tus imágenes. Se recomienda la división manual para las personas que estén entrenando adaptadores por primera vez. Por ahora, elige Autosplit.

    Interfaz que muestra las opciones para crear un conjunto de datos para Amazon Textract: división manual para proporcionar conjuntos de entrenamiento y prueba usted mismo, o división automática para permitir que Textract se divida automáticamente en conjuntos de entrenamiento y prueba. Importe documentos desde un bucket de S3 o desde archivos locales.

  3. En la sección de detalles del conjunto de datos de entrenamiento, puede elegir Cargar documentos desde su ordenador o Importar documentos desde un bucket de S3. Si decide importar sus documentos desde un bucket de Amazon S3, indica la ruta al bucket y la carpeta que contienen las imágenes de entrenamiento. Si carga los documentos directamente desde su ordenador, tenga en cuenta que solo puede cargar 30 documentos a la vez. Para los fines de este tutorial, selecciona Cargar documentos desde tu ordenador.

  4. En la sección de detalles del conjunto de datos de prueba, puede elegir Cargar documentos desde el ordenador o Importar documentos desde un bucket de S3. Para los fines de este tutorial, selecciona Cargar documentos desde tu ordenador.

  5. Elija Crear conjunto de datos.

  6. Tras crear el conjunto de datos, accederás a una página de detalles del conjunto de datos. La página de detalles del conjunto de datos muestra una lista de todos los documentos de todo el conjunto de datos y a qué parte del conjunto de datos (tren o prueba) está asignado el documento. Consulta esta información en la columna Conjunto de datos asignado a. También puede ver lo siguiente:

    • Nombre del documento

    • Estado del documento

    • Número de páginas del documento

    • Tipo de documento

    • Tamaño del documento

    • Si el documento forma parte del conjunto de entrenamiento o del conjunto de pruebas

  7. Seleccione Añadir documentos al conjunto de datos y añada al menos cinco documentos a sus conjuntos de datos de formación y de pruebas. Si anteriormente seleccionó Autosplit, puede añadir todos los documentos a la vez.

  8. Si desea añadir más documentos a su conjunto de datos, utilice el menú Añadir documentos para hacerlo.

Antes de empezar a entrenar el adaptador, debe anotar los documentos de formación con consultas. Esto es necesario para crear las entradas «annotations-ref» de tu archivo de manifiesto. Tras añadir todos los documentos al conjunto de formación o de pruebas, puede iniciar el proceso de anotación.

Anotación y verificación

En este paso, asignas consultas y etiquetas a cada documento que has subido a tus conjuntos de datos de entrenamiento y prueba. Con la herramienta de Consola de administración de AWS anotación, vincula una consulta a las respuestas relevantes de la página de un documento.

Para asignar consultas y respuestas a sus documentos:

  1. Seleccione Crear consultas en la página de inicio del adaptador.

    Para anotar automáticamente los documentos, cree consultas para usarlas en el modelo previamente entrenado de Textract seleccionando el botón «Crear consultas».

  2. Añada una consulta introduciéndola en el cuadro de texto.

    Interfaz para crear consultas en Amazon Textract, con un cuadro de texto para «Especifique las consultas que Textract puede utilizar para extraer la información que necesita». La consulta de ejemplo que se muestra es «¿Cuál es el importe del cheque?»

  3. Para añadir más consultas, selecciona Añadir nueva consulta. Las consultas pueden tener una respuesta de «texto sin procesar» o una respuesta de «binario - Yes/No». Para crear una consulta con una respuesta binaria, usa la configuración avanzada.

    Interfaz para crear consultas de extracción de texto en archivos de documentos. Permite especificar tipos de respuesta de texto sin procesar o binarios (yes/no) para cada solicitud de consulta. La interfaz tiene campos para introducir el texto de la consulta, seleccionar el tipo de respuesta y agregar nuevas consultas.

  4. Después de crear las consultas, debe asignar etiquetas a los documentos. Para configurar etiquetas para sus documentos, seleccione Auto-labelingo Etiquetado manual. Auto-labeling se recomienda cuando entrene el adaptador por primera vez. Seleccione la Auto-labellingopción y, a continuación, elija Iniciar etiquetado automático.

    Auto-labeling opción seleccionada con la insignia recomendada y el botón Iniciar etiquetado automático.

  5. El proceso de etiquetado automático tardará algún tiempo en completarse. Cuando haya terminado, se le notificará que «ya Auto-labeling se ha completado». Una vez finalizado el proceso de etiquetado, debes verificar la precisión del etiquetado. Seleccione Verificar documentos en el panel de detalles del adaptador de la página de detalles y, a continuación, elija Comenzar a revisar desde la página del conjunto de datos.

    Descripción general del conjunto de datos dividido en el que se muestran 16 documentos en total, 10 de ellos en el conjunto de entrenamiento y 6 en el conjunto de prueba. No hay archivos no válidos. El estado indica que el conjunto de datos está listo para su revisión.

  6. En la herramienta de anotación, puede seleccionar documentos individuales y ver páginas individuales dentro de esos documentos. En la sección «Revisar las respuestas», selecciona una consulta que se haya asignado a la página de tu documento. Si la respuesta a la consulta es incorrecta, puede editarla haciendo clic en el botón Editar de la consulta.

    Revise la pantalla de respuestas que muestra el nombre de un cliente como John Doe y la solicitud para introducir el tipo de amortización. Incluye los botones de aplicar y cancelar.

    Para consultas con Yes/No respuestas, seleccione Sí, No o Vacío. A continuación, selecciona Aplicar.

    Al editar el OCR de la etiqueta asignada a una consulta, elija la respuesta proporcionada y, a continuación, dibuje un cuadro delimitador alrededor de una parte de la imagen del documento. Para ello, utilice la tecla de acceso directo «B» o la herramienta de cuadro delimitador situada en la barra de herramientas situada en la parte inferior de la herramienta de anotación. A continuación, selecciona Aplicar.

    Si una consulta debe tener más de un elemento de respuesta (respuesta), puede añadir respuestas adicionales. Para ello, selecciona la consulta y, a continuación, selecciona Añadir una respuesta. A continuación, se le pedirá que dibuje un cuadro delimitador en el área del documento que contiene la respuesta. Confirme que la etiqueta del cuadro delimitador es correcta.

    Para añadir una consulta nueva a la página del documento, seleccione Añadir consulta. Si agrega una consulta, debe especificar la consulta que desea agregar y, a continuación, dibujar un cuadro delimitador para la etiqueta de la consulta.

    Cuando haya terminado, elija Enviar y luego continuar con el siguiente documento y el siguiente conjunto de consultas y respuestas. Repite el proceso hasta que revises todas las consultas y respuestas.

    Tras revisar y evaluar todas las consultas y respuestas, selecciona Enviar y cerrar.

Formación

Tras añadir todos los documentos al conjunto de formación o al conjunto de pruebas y revisar las respuestas generadas para las consultas, puede entrenar al adaptador.

Descripción general del conjunto de datos del adaptador Amazon Textract que muestra un total de 16 documentos, 10 en el conjunto de entrenamiento y 6 en el conjunto de pruebas, sin archivos no válidos. El estado del conjunto de datos indica que se ha completado la revisión de anotaciones.

Para entrenar el adaptador:

  1. Comience haciendo clic en Entrenar el adaptador en la página de administración del conjunto de datos.

    Notificación que indica que tiene suficientes documentos en su conjunto de datos para entrenar un adaptador, con el botón «Entrenar adaptador».

  2. Al iniciar el proceso de formación, puede especificar un bucket de Amazon S3 que contendrá el resultado del trabajo de formación del adaptador. Si especificas una ubicación de bucket de Amazon S3 que aún no existe, se creará la ruta del bucket automáticamente. También puede añadir etiquetas al adaptador para rastrearlo y personalizar la configuración de cifrado. Personalice la formación del adaptador para que se adapte a sus necesidades y, a continuación, elija Train Adapter.

  3. En la página siguiente, selecciona Train Adapter para confirmar que quieres iniciar el proceso de formación. De este modo, se creará la primera versión del adaptador.

Una vez iniciado el proceso de formación, puede supervisar el estado del proceso de formación en la página de inicio del adaptador.

Se le notificará cuando finalice el proceso de formación. A continuación, puede evaluar el rendimiento del adaptador inspeccionando las métricas.

Evaluación del rendimiento del adaptador

Para evaluar el rendimiento del modelo, utilice el panel de navegación izquierdo para seleccionar la versión del adaptador que desee evaluar.

Las métricas de rendimiento del adaptador muestran una puntuación de F1, precisión y recuperación del 94,4 por ciento.

Al examinar las métricas del adaptador, puede determinar el rendimiento del adaptador en los documentos del conjunto de datos y en las consultas que ha definido. Puedes ver la puntuación F1, la precisión y la recuperación de tu adaptador en distintos elementos de los datos de entrenamiento: consultas, documentos y páginas. Para cambiar entre el rendimiento de estos elementos, selecciona las distintas pestañas situadas debajo del panel de visualización de métricas.

También puedes ver las métricas de referencia en cualquier momento activando el interruptor de cambiar a métricas de referencia.

El resumen del rendimiento de la versión del adaptador también contiene algunos consejos sobre cómo mejorar el rendimiento del adaptador. Puedes revisar estos consejos en cualquier momento para mejorar tu adaptador. Para obtener más información sobre cómo administrar y mejorar el adaptador, consulteEvaluación y mejora de sus adaptadores.

Para hacer una demostración del adaptador y ver su rendimiento en un documento:

  1. Elige Try Adapter.

    Pruebe el botón Adapter y el menú desplegable de la versión 1.

  2. En la página Probar el adaptador, puede elegir un documento para analizarlo con el adaptador. Seleccione el botón Elegir documento y busque la ubicación del documento en su dispositivo. También puede arrastrar y soltar el documento en el panel Cargar un documento.

Tras cargar un documento, la página Probar el adaptador se actualizará para mostrar los resultados del análisis del adaptador, incluidas las consultas, las respuestas a las consultas y los niveles de confianza. Si está satisfecho con el rendimiento del adaptador, puede proceder a la conclusión de que puede utilizar el adaptador en una llamada a AnalyzeDocumento. StartDocumentAnalysis De lo contrario, puede mejorar el rendimiento del adaptador reentrenándolo con documentos adicionales.

Mejorar un adaptador

Para mejorar el rendimiento del adaptador:

  1. Selecciona Modificar el conjunto de datos en la página de detalles del adaptador.

    Diagrama de flujo de trabajo que muestra los pasos para crear, verificar, entrenar y mejorar un conjunto de datos personalizado para la extracción de texto: 1. Crear conjunto de datos, 2. Crear consultas, 3. Verificar documentos, 4. Adaptador de tren, 5. Compruebe las métricas de rendimiento, 6. Mejore el adaptador.

  2. En la página de información general del conjunto de datos, selecciona Añadir documentos. Para volver a entrenar su adaptador, añada al menos cinco documentos más al conjunto de datos de entrenamiento.

  3. Se le notificará que los documentos se han agregado al conjunto de datos. Seleccione Comenzar a revisar para revisar los resultados del proceso de etiquetado automático.

  4. Revise las consultas y las respuestas. Tras revisar y aprobar todas las anotaciones de los documentos que ha agregado, elija Enviar y cerrar.

  5. En la página de administración del conjunto de datos, selecciona Train adapter para empezar a entrenar tu adaptador con todos los datos del conjunto de datos de entrenamiento, incluidos los nuevos documentos de entrenamiento.

Cada trabajo de entrenamiento que realices crea una nueva versión del adaptador. Anota el nombre de la nueva versión del adaptador para asegurarte de que estás evaluando el rendimiento de la versión correcta del adaptador.

Inferencia

Tras crear un adaptador, se le proporcionará un identificador para el adaptador personalizado. Puede proporcionar este identificador a la AnalyzeDocumentoperación para el análisis sincrónico de documentos o a la StartDocumentAnalysisoperación para el análisis asíncrono.

Al proporcionar el identificador del adaptador, se integra automáticamente el adaptador en el proceso de análisis y lo utiliza para mejorar las predicciones de los documentos. De esta forma, puede aprovechar las capacidades y, al AnalyzeDocument mismo tiempo, personalizarlo para que se adapte a sus necesidades.

Para ver un ejemplo de cómo ejecutar una inferencia con el adaptador y la operación de la AnalyzeDocument API, consulte. Análisis del texto de un documento con Amazon Textract

Cuando se deben aplicar varios adaptadores a diferentes páginas del mismo documento, puedes especificar uno o más adaptadores y sus respectivas versiones de adaptador como parte de la solicitud de API. Puede usar el parámetro Page para especificar a qué páginas se debe aplicar un adaptador.

Tenga en cuenta lo siguiente:

Es similar a cómo funciona el Page parámetro de Queries. Tenga en cuenta lo siguiente:

  • Si no se especifica una página, se establece de forma ["1"] predeterminada.

  • Los siguientes caracteres son válidos en la cadena de parámetros:1 2 3 4 5 6 7 8 9 - *. Los espacios en blanco no son válidos.

  • Si se utiliza un asterisco (*) para indicar todas las páginas, debe ser el único elemento de la lista.

  • El Page parámetro no se superpone entre los adaptadores. A una página solo se le puede aplicar un adaptador.

Administración de adaptadores

Los siguientes pasos se repiten de forma iterativa (tras el entrenamiento inicial del adaptador):

  • Elija Modificar el conjunto de datos en la página de detalles del adaptador de la consola de Amazon Textract.

  • Seleccione Añadir documentos.

  • Añada al menos cinco documentos más al conjunto de datos de entrenamiento para volver a entrenar su adaptador.

  • Se le notificará que los documentos se han agregado al conjunto de datos. Seleccione Comenzar a revisar para revisar los resultados del proceso de etiquetado automático.

  • Revise las consultas y las respuestas. Tras revisar y aprobar todas las anotaciones de los nuevos documentos, selecciona el adaptador de tren.

  • Espera a que el adaptador complete la nueva ronda de formación y, a continuación, comprueba las métricas de rendimiento de la nueva versión del adaptador.

Después de entrenar el modelo para que alcance el nivel de rendimiento deseado, puede utilizar el adaptador como referencia en la aplicación.

Asegúrese de eliminar las versiones del adaptador que ya no necesite. Para eliminar un adaptador:

  • Vaya a la página de inicio de los adaptadores, seleccione el adaptador y elija Eliminar.

  • Escriba Eliminar en el cuadro de texto y, a continuación, seleccione Eliminar.