OmniDocProč by při extrakci stavu objednávky měla být neznámá?
Pokud není stav objednávky ve výchozím seznamu systému, nejjednodušší je vybrat hodnotu „nejpodobnější“. Uložený rozsudek se může v následném procesu změnit v chyby: původní text pouze „čeká na další informace“, ale systém pokračuje stisknutím tlačítka „schváleno“.
Pokud automaticky vytahujete stav ze smluv, e-mailů objednávek nebo schvalovacích záznamů, často se setkáte s výpisy, které nejsou v přednastaveném seznamu systému. V tuto chvíli stačí vybrat hodnotu, která se zdá blízká, a proces může pokračovat, ale riziko vstoupí také do následujících kroků. Například původní text je jen „Čekám na další informace", ale systém pokračuje ve zpracování stisknutím tlačítka „Schváleno".
Následující text vysvětluje, proč by měl býtunknown zachován, jak vstupuje do pracovní fronty a jak zachovat kompatibilitu, když se změní stavový slovník. Po přečtení můžete určit, které výjimky by měly být označeny jako neznámé, které by se měly přenést ručně, a použít kousek syntetického ukázkového kódu pro minimální ověření.
Tento článek používá syntetické vzorky k demonstraci metody zpracování. Kód byl zkontrolován s příklady v izolovaném prostředí; to nepředstavuje záruku všech skutečných souborů nebo výkonu produktu. Před zpracováním důležitých dokumentů si prosím uschovejte originály a zkontrolujte je podle hranic a přejímacích položek v textu.
Mělo by být pro extrakci stavu objednávky povoleno neznámé? Závěr jednou větou
Pokud stav není v seznamu předvoleb, měl by být označen jako unknown a původní textový fragment by měl být zachován namísto hádání uzavřeného a určitého stavu.
| vaší situaci | Doporučené postupy | důvod |
|---|---|---|
| Původní stav textu není ve výchozím seznamu | Označte unknown a ponechte původní text | Vyhněte se zaměňování „Čekám na další informace"jako schválené |
| Obchod nepřijímá neznámé hodnoty | Převést na ruční zpracování | Nevybírejte tajně výchozí stav v poli |
| Objeví se více stavů současně | Přepněte na ruční rozlišení a ponechte si všechny kandidáty a pozice | Konflikty nelze určit přímo pomocí pravidel mapování |
| Výchozí hodnoty jsou jasně specifikovány v obchodní smlouvě | Vynutit výchozí nastavení protokolem | Výchozí hodnoty jsou přiměřené pouze tehdy, pokud to smlouva výslovně stanoví |
| Do slovníku stavu byla přidána nová hodnota | Uchovávejte staré záznamy a ujasněte si rozsah migrace | Zabraňte tichému přepsání staréhounknown |
Umožněte neznámým uchovávat fakta
unknown by neměl být odpadkovým košem pro všechny anomálie, ale je to upřímnější než nepodložená definitivní odpověď. Tento článek omezuje status firmy na pending, approved, rejected a unknown a zachovává původní části textu. Omezení výčtu řídí výstupní seznam slov a neurčuje, zda slovo vybrané modelem odpovídá původnímu textu.
Pokud podnik nepřijímá neznámé hodnoty, lze úkol převést na ruční práci namísto tajného výběru výchozího stavu v poli. Výchozí hodnoty jsou rozumné pouze tehdy, jsou-li výslovně uvedeny v obchodní smlouvě a nelze je vytvořit pomocí extrakčního skriptu.
Syntetické mapování stavu a kontrola výčtu
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": "?"}))Zde provádíme pouze mapování jasných frází a nezabýváme se synonymy, negativními větami a kontextem. Text „neschváleno"nelze namapovat naapproved jen proto, že obsahuje slovo „schváleno". Pokud je přidána fuzzy shoda, musí být přidány takové protipříklady a musí být zachován původní textový důkaz.
Jak neznámé hodnoty vstupují do pracovní fronty
| výsledek | strategii zpracování | potřeba zachovat |
|---|---|---|
| Explicitní shoda | Zadejte další úroveň ověření firmy | Zdrojové fragmenty a verze pravidel |
| ne v mapování | Mark neznámý | Původní text, žádné automatické přepisování |
| Více konfliktů stavu | Přepněte na ruční dezambiguaci | Všichni kandidáti a pozice |
| Formát neodpovídá enum | odmítnout výsledek | Cesta k chybě a verze výstupu |
Nebuďte tiše kompatibilní, když se změní stavový slovník
Nový stav může znamenat, že je třeba přidat nové pobočky. Pouhá automatická interpretace staréhounknown do nového stavu přepíše historický význam. Staré záznamy by měly být uchovány, rozsah migrace by měl být vyjasněn a měly by být zkontrolovány, které úkoly je třeba znovu extrahovat.
Překlad by si také měl zachovat nejistotu
Ve vícejazyčných dokumentech nejprve potvrďte stav zdrojového dokumentu a poté zkontrolujte, jak je vyjádřen v cílovém jazyce. Potvrzující tón překladu nemůže zakrýt nejistotu původního textu. OmniDoc (produktový portál) lze vyhodnotit jako záznam překladu dokumentu, ale pravidla pro vydání pro obchodní stav by měla být stále výslovně udržována vaším systémem.
Zdroje: JSON Schema enum.
📊 Srovnání jádra
| Způsob zpracování | Použitelné scénáře | Hlavní rizika nebo náklady |
|---|---|---|
| Vyberte si blízký stav jistoty | Odstraňte krok soudu | Původní text mohl být špatně posouzen a chyba vstoupí do následného procesu. |
Označte jakounknown a ponechte původní text | Původní text není ve výchozím seznamu | Neznámé vyžadují následné zpracování, ale fakta jsou zachována |
| Viz ruční dezambiguace | Několik stavů konfliktů nebo podnik nepřijímá neznámé hodnoty | Je vyžadována manuální účast, ale výchozí stav nebude tajně vybrán |
🎯 Která metoda je pro vás vhodná?
Pokud vaše podnikání umožňuje dočasnou nejistotu
Označte jej jako unknown a ponechte původní fragmenty textu, které budou později zpracovány společně.
Pokud vaše firma nepřijímá neznámé hodnoty
Nechte to na ručním zpracování a nevybírejte tajně výchozí stavy v polích.
Pokud chcete přidat nový stav
Uchovávejte staré záznamy, ujasněte si rozsah migrace a zkontrolujte, které úlohy je třeba znovu extrahovat.
Pokud pracujete s vícejazyčnými dokumenty
Nejprve potvrďte stav zdrojového dokumentu a poté zkontrolujte, jak je vyjádřen v cílovém jazyce.
❓ Často kladené otázky (FAQ)
1. Mohou omezení výčtu zajistit, aby byly výsledky extrakce správné?
nemůže. Omezení výčtu řídí pouze výstupní seznam slov a neurčují, zda slova vybraná modelem odpovídají původnímu textu.
2. Bude „neschváleno"přiřazeno ke schválenému?
Nemělo by být. Mapování zvládá pouze jasné fráze. Text „neschváleno"nelze namapovat naapproved jen proto, že obsahuje slovo „schváleno".
3. Může být neznámý automaticky považován za nový stav?
Nedoporučuje se. To přepisuje historický význam a staré záznamy by měly být zachovány a rozsah migrace by měl být objasněn.
4. Kdy lze použít výchozí stav?
Je to rozumné pouze v případě, že je to jasně uvedeno v obchodní smlouvě a nemůže být vytvořeno samotným extrakčním skriptem.
📝 Shrnutí
Klíčem k extrakci stavu je nechat systém přiznat, že je nejistý, spíše než rozhodovat o původním textu. Pouze uchovánímunknown a původních textových důkazů mohou být pravidla obchodního uvolnění dobře zdokumentována.
Vyzkoušejte to hned: Nahrajte dokument a začněte překládat při zachování původního rozvržení
