亚马逊 Textract 自定义查询的最佳实践

样本数据应包含代表生产中使用的文档的版面变化和图像变体。

训练或测试至少需要五个样本（每个查询级别）。用于训练的样本越多越好。

带注释的查询应有多种答案。例如，如果查询的答案是 “是” 或 “否”，则带注释的样本应同时出现 “是” 和 “否”，

组合查询应具有逻辑含义和结构。例如，要提取支票上的收款人姓名，查询应为 “谁是收款人？” 而不是 “名字是什么？”。

如果需要提取的值具有关联的密钥，则在查询中包含该密钥以获得更好的结果。如果密钥多次出现，请使用分层问题，例如 “借款人名字是什么？” 和 “共同借款人的名字是什么？”

保持注释风格的一致性。如果一个字段出现在文档的多个位置，而您决定只注释一个匹配项，请遵循相同的准则，在所有文档中只注释一个匹配项。或者，如果您选择注释某个值的所有出现次数，则对所有文档遵循相同的流程。

在使用空格注释字段时保持一致性。如果字段的值为 “123 456 78”，并且选择将其注释为 “12345678”，则对所有文档遵循相同的准则。不要在将值注释为 “123 456 78” 和 “12345678” 之间切换。

尽管您可能只对几个页面进行推断，但也要为文档中所有页面的数据添加注释。如果无法为所有页面添加注释，请拆分文档，仅使用数据集中能够注释的页面。

自定义查询不支持与签名相关的问题（例如，“文档是否已签名？”）。要了解文档是否已签名，请在您的 API 请求中使用签名功能。

在更正预先标记的答复时，您可以对文档中显示的文本进行少量修改，例如更正一些字符错误或删除空格和标点符号。但是，如果文本未显示在文档中，请不要将其作为回复输入。

使用训练中使用的确切查询进行推理。

仅为source-ref页面提供标签前结果。如果你的预先标记的区块结果不是来自source-ref页面，则可能会影响性能。