لماذا يجب أن يكون هناك غير معروف عند استخراج حالة الطلب؟

إذا قمت باستخراج الحالة تلقائيًا من العقود أو رسائل البريد الإلكتروني الخاصة بالطلبات أو سجلات الموافقة، فغالبًا ما ستواجه بيانات غير موجودة في القائمة المعدة مسبقًا للنظام. في هذا الوقت، ما عليك سوى اختيار القيمة التي تبدو قريبة، ويمكن أن تستمر العملية، ولكن ستدخل المخاطرة أيضًا في الخطوات اللاحقة. على سبيل المثال، النص الأصلي هو مجرد "في انتظار مزيد من المعلومات"، لكن النظام يستمر في المعالجة بالضغط على "موافق عليه".

يشرح ما يلي سبب ضرورة الاحتفاظ بـ unknown، وكيفية دخوله إلى قائمة انتظار العمل، وكيفية الحفاظ على التوافق عندما تتغير مفردات الحالة. بعد القراءة، يمكنك تحديد الاستثناءات التي يجب وضع علامة عليها على أنها غير معروفة، وأي منها يجب نقلها يدويًا، واستخدام جزء من عينة التعليمات البرمجية الاصطناعية للحد الأدنى من التحقق.

تستخدم هذه المقالة عينات صناعية لتوضيح طريقة المعالجة. تم فحص الكود بأمثلة في بيئة معزولة؛ وهذا لا يمثل ضمانًا لجميع الملفات الحقيقية أو أداء المنتج. قبل معالجة المستندات المهمة، يرجى الاحتفاظ بالنسخ الأصلية ومراجعتها وفقًا للحدود وبنود القبول في النص.

هل يجب السماح بمجهول لاستخراج حالة الطلب؟ استنتاج جملة واحدة

عندما لا تكون الحالة في القائمة المعدة مسبقًا، يجب وضع علامة عليها كـ unknown ويجب الاحتفاظ بجزء النص الأصلي بدلاً من تخمين حالة قريبة ومحددة.

السماح للمجهولين بالحفاظ على الحقائق

لا ينبغي أن تكون unknown بمثابة سلة المهملات لجميع الحالات الشاذة، ولكنها أكثر صدقًا من إجابة نهائية لا أساس لها. تحدد هذه المقالة حالة الأعمال بـ pending وapproved وrejected وunknown، وتحتفظ بأجزاء النص الأصلي. يتحكم قيد التعداد في قائمة الكلمات الناتجة ولا يحدد ما إذا كانت الكلمة المحددة بواسطة النموذج تتوافق مع النص الأصلي.

إذا لم تقبل الشركة قيمًا غير معروفة، فيمكن نقل المهمة إلى العمل اليدوي بدلاً من تحديد الحالة الافتراضية في الحقل سرًا. تكون القيم الافتراضية معقولة فقط إذا تم ذكرها صراحةً في اتفاقية العمل ولا يمكن إنشاؤها بواسطة البرنامج النصي للاستخراج.

فحص وتعداد الحالة الاصطناعية

from jsonschema import Draft202012Validator

schema = {"type": "object", "required": ["state", "source_text"],
          "properties": {"state": {"enum": ["pending", "approved", "rejected", "unknown"]},
                         "source_text": {"type": "string"}},
          "additionalProperties": False}
validator = Draft202012Validator(schema)
mapping = {"待审核": "pending", "已批准": "approved", "已拒绝": "rejected"}

def map_state(text):
    return {"state": mapping.get(text, "unknown"), "source_text": text}

assert map_state("已批准")["state"] == "approved"
assert map_state("等待更多资料")["state"] == "unknown"
assert not list(validator.iter_errors(map_state("等待更多资料")))
assert list(validator.iter_errors({"state": "probably-approved", "source_text": "?"}))

نحن هنا نقوم فقط بتخطيط العبارات الواضحة، ولا نتعامل مع المرادفات والجمل المنفية والسياق. لا يمكن تعيين النص "غير موافق عليه" إلى approved فقط لأنه يحتوي على كلمة "موافق عليه". إذا تمت إضافة مطابقة غامضة، فيجب إضافة هذه الأمثلة المضادة ويجب الاحتفاظ بدليل النص الأصلي.

كيف تدخل القيم غير المعروفة إلى قائمة انتظار العمل

لا تكن متوافقًا بصمت عندما تتغير مفردات الحالة

قد تعني الحالة الجديدة أنه يلزم إضافة فروع جديدة في اتجاه مجرى النهر. إن مجرد تفسير unknown القديم تلقائيًا إلى الحالة الجديدة سيعيد كتابة المعنى التاريخي. يجب الاحتفاظ بالسجلات القديمة، ويجب توضيح نطاق الترحيل، ويجب التحقق من المهام التي تحتاج إلى إعادة استخراجها.

يجب أن تحتفظ الترجمة أيضًا بعدم اليقين

في المستندات متعددة اللغات، تأكد أولاً من حالة المستند المصدر، ثم تحقق من كيفية التعبير عنها في اللغة الهدف. لا يمكن السماح للنغمة الإيجابية للترجمة بالتستر على عدم اليقين في النص الأصلي. يمكن تقييم OmniDoc (بوابة المنتج) كمدخل لترجمة المستندات، ولكن يجب أن يظل نظامك يحتفظ بقواعد الإصدار الخاصة بحالة الأعمال بشكل صريح.

المراجع: JSON Schema enum.

📊 المقارنة الأساسية

🎯 ما هي الطريقة المناسبة لك؟

إذا كان عملك يسمح بعدم اليقين المؤقت

قم بوضع علامة عليها كـ unknown، واحتفظ بأجزاء النص الأصلية، والتي ستتم معالجتها معًا لاحقًا.

إذا كان عملك لا يقبل القيم غير المعروفة

اترك الأمر للمعالجة اليدوية ولا تحدد الحالات الافتراضية في الحقول سرًا.

إذا كنت ترغب في إضافة حالة جديدة

احتفظ بالسجلات القديمة، ووضح نطاق الترحيل، وتحقق من المهام التي تحتاج إلى إعادة استخراجها.

إذا كنت تعمل مع مستندات متعددة اللغات

تأكد أولاً من حالة المستند المصدر، ثم تحقق من كيفية التعبير عنه في اللغة الهدف.

❓ الأسئلة الشائعة (الأسئلة الشائعة)

1. هل يمكن لقيود التعداد التأكد من صحة نتائج الاستخراج؟

لا أستطيع. تتحكم قيود التعداد فقط في قائمة الكلمات الناتجة ولا تحدد ما إذا كانت الكلمات المحددة بواسطة النموذج تتوافق مع النص الأصلي.

2. هل سيتم تعيين "غير معتمد" إلى "معتمد"؟

لا ينبغي أن يكون. يتعامل التعيين مع العبارات الواضحة فقط. لا يمكن تعيين النص "غير موافق عليه" إلى approved فقط لأنه يحتوي على كلمة "موافق عليه".

3. هل يمكن اعتبار المجهول تلقائيًا هو الحالة الجديدة؟

غير مستحسن. وهذا يعيد كتابة المعنى التاريخي، وينبغي الاحتفاظ بالسجلات القديمة وتوضيح نطاق الهجرة.

4. متى يمكن استخدام الحالة الافتراضية؟

يكون ذلك معقولًا فقط إذا كان منصوصًا عليه بوضوح في اتفاقية العمل ولا يمكن إنشاؤه بواسطة البرنامج النصي للاستخراج نفسه.

📝 ملخص

إن مفتاح استخراج الحالة هو السماح للنظام بالاعتراف بأنه غير مؤكد، بدلاً من اتخاذ قرارات بشأن النص الأصلي. فقط من خلال الاحتفاظ بـ unknown والأدلة النصية الأصلية، يمكن توثيق قواعد إصدار الأعمال بشكل جيد.

جربه الآن: قم بتحميل المستند لبدء الترجمة، مع الاحتفاظ بالتخطيط الأصلي