Источник — https://www.aclweb.org/anthology/U18-1006
SYPHT – это масштабируемое решение для машинного обучения для анализа счетов, основанное на содержании, для извлечения полей документов. Он сочетает в себе OCR, эвристическую фильтрацию и контролируемую модель ранжирования для прогнозирования на уровне полей.
Рабочий процесс:
- SYPHT принимает в качестве входных данных PDF-файл или файл изображения, нормализованный до одного JPEG на страницу. Каждая страница передается механизму OCR, который извлекает текстовые маркеры и соответствующие позиции в документе. Spacy используется для токенизации вывода OCR.
- Отфильтруйте подмножество токенов в качестве кандидата на основе типа целевого поля.
Доступные типы кандидатов:
- 1. Поставщик АБН
- 3. Номер счета
- 4. Дата документа
- 5. Чистая сумма
- 6. Сумма налога на товары и услуги
- 7. Общая сумма
Список функций —
- Токенизированный текст
- Часть речи Теги
- Форма слова
- Разреженное представление текстовой окрестности
- Относительное положение токена к другим предсказаниям
- Токены и изображения страниц служат входными данными для модели дерева решений с повышением градиента (Light GBM). Если предсказание падает ниже определенного порога, возвращается null, указывающее, что значение поля не предсказано.
- Пользователи также могут задать доверительный порог, ниже которого требуется вмешательство пользователя. Для этого SYPHT поставляется с инструментом аннотации и проверки с прогнозированием — SYPHT VALIDATE. Такие функции, как выделение токенов и навигация с помощью клавиатуры, значительно сокращают время аннотирования.
- После этапа проверки объект в формате JSON возвращается через API, содержащий пары поле-значение.
Результаты:
Спекуляции:
Pros-SYPHT предоставляет удобный интерфейс без конфигураций или ручных аннотаций. Инструмент SYPHT VALIDATE поставляется с подсветкой токенов, навигация с помощью клавиатуры значительно сокращает время аннотации. SYPHT поддерживает среднюю задержку прогнозирования на 25% ниже. Высочайшая производительность в указанных областях
Минусы: SYPHT использует ограниченные функции текста, есть место для разработки функций. Можно было бы изучить другую архитектуру, такую как LSTM, трансформатор.
Возможные дальнейшие действия —
- Мы могли бы потратить больше усилий на разработку функций
- Можно изучить дополнительные варианты, такие как BERT, ELMO, ULMFIT.
- Модели обнаружения и классификации объектов можно использовать, чтобы сделать визуальный компонент более интуитивным.