Prečo by pri extrakcii stavu objednávky mala byť neznáma?
Keď sa stav objednávky nenachádza v prednastavenom zozname systému, najjednoduchšie je vybrať hodnotu „najpodobnejšej“. Uložený rozsudok sa môže v následnom procese zmeniť na chyby: pôvodný text len „čaká na dodatočné informácie“, ale systém pokračuje stlačením tlačidla „schválené“.
Ak automaticky extrahujete stav zo zmlúv, e-mailov objednávok alebo záznamov o schválení, často sa stretnete s výpismi, ktoré nie sú v prednastavenom zozname systému. V tejto chvíli stačí vybrať hodnotu, ktorá sa zdá byť blízko, a proces môže pokračovať, ale riziko vstúpi aj do nasledujúcich krokov. Napríklad pôvodný text je len „Čaká sa na ďalšie informácie", ale systém pokračuje v spracovaní stlačením tlačidla „Schválené".
V nasledujúcom texte je vysvetlené, prečo by sa malunknown zachovať, ako vstupuje do poradia práce a ako zachovať kompatibilitu, keď sa zmení stavový slovník. Po prečítaní môžete určiť, ktoré výnimky by mali byť označené ako neznáme, ktoré by sa mali preniesť manuálne, a na minimálne overenie môžete použiť kúsok syntetického vzorového kódu.
Tento článok používa syntetické vzorky na demonštráciu spôsobu spracovania. Kód bol skontrolovaný pomocou príkladov v izolovanom prostredí; to nie je zárukou všetkých skutočných súborov alebo výkonu produktu. Pred spracovaním dôležitých dokumentov si uschovajte originály a skontrolujte ich podľa hraníc a akceptačných položiek v texte.
Malo by byť pre extrakciu stavu objednávky povolené neznáme? Záver jednou vetou
Keď sa stav nenachádza v zozname predvolieb, mal by byť označený ako unknown a pôvodný textový fragment by sa mal zachovať namiesto hádania blízkeho určitého stavu.
| vaša situácia | Odporúčané postupy | dôvod |
|---|---|---|
| Pôvodný textový stav nie je v predvolenom zozname | Označte unknown a ponechajte pôvodný text | Nepomýľte si „Čaká sa na ďalšie informácie"ako schválené |
| Obchod neakceptuje neznáme hodnoty | Prechod na manuálne spracovanie | Nevyberajte v poli tajne predvolený stav |
| Objaví sa viacero stavov súčasne | Prepnite na ručnú disambiguáciu a ponechajte si všetkých kandidátov a pozície | Konflikty nemožno určiť priamo pravidlami mapovania |
| Predvolené hodnoty sú jasne špecifikované v obchodnej zmluve | Vynútiť predvolené nastavenia protokolom | Predvolené hodnoty sú primerané len vtedy, ak to zmluva výslovne uvádza |
| Do slovníka stavu bola pridaná nová hodnota | Uchovávajte staré záznamy a ujasnite si rozsah migrácie | Zabráňte tichému prepisovaniu staréhounknown |
Dovoľte neznámym zachovať si fakty
unknown by nemal byť odpadkovým košom na všetky anomálie, ale je úprimnejší ako nepodložená definitívna odpoveď. Tento článok obmedzuje stav firmy na pending, approved, rejected a unknown a zachováva pôvodné časti textu. Obmedzenie enumerácie riadi zoznam výstupných slov a neurčuje, či slovo vybrané modelom zodpovedá pôvodnému textu.
Ak podnik neakceptuje neznáme hodnoty, úlohu možno namiesto tajného výberu predvoleného stavu v poli preniesť na manuálnu prácu. Predvolené hodnoty sú rozumné iba vtedy, ak sú výslovne uvedené v obchodnej zmluve a nemožno ich vytvoriť pomocou extrakčného skriptu.
Syntetické mapovanie stavu a kontrola enumerácie
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": "?"}))
Tu robíme iba mapovanie jasných fráz a nezaoberáme sa synonymami, negatívnymi vetami a kontextom. Text „neschválené"nemožno priradiť kapproved len preto, že obsahuje slovo „schválené". Ak sa pridá fuzzy párovanie, musia sa pridať takéto protipríklady a musí sa zachovať pôvodný textový dôkaz.
Ako neznáme hodnoty vstupujú do pracovného frontu
| výsledok | spracovateľská stratégia | potreba zachovať |
|---|---|---|
| Explicitná zhoda | Zadajte ďalšiu úroveň overenia firmy | Fragmenty zdroja a verzie pravidiel |
| nie v mapovaní | Mark neznámy | Pôvodný text, bez automatického prepisovania |
| Viaceré stavové konflikty | Prepnite na manuálne zjednotenie | Všetci kandidáti a pozície |
| Formát nezodpovedá enum | odmietnuť výsledok | Chybová cesta a verzia výstupu |
Nebuďte ticho kompatibilný, keď sa zmení stavový slovník
Nový stav môže znamenať, že bude potrebné pridať nové pobočky. Jednoduchá automatická interpretácia staréhounknown do nového stavu prepíše historický význam. Staré záznamy by sa mali ponechať, mal by sa objasniť rozsah migrácie a mala by sa vykonať revízia úloh, ktoré je potrebné opätovne extrahovať.
Preklad by si mal zachovať aj neistotu
Vo viacjazyčných dokumentoch najprv potvrďte stav zdrojového dokumentu a potom skontrolujte, ako je vyjadrený v cieľovom jazyku. Potvrdzujúci tón prekladu nemôže zakryť neistotu pôvodného textu. OmniDoc (produktový portál) možno vyhodnotiť ako záznam prekladu dokumentu, ale pravidlá uvoľnenia pre obchodný stav by mal váš systém stále explicitne udržiavať.
Zdroje: JSON Schema enum.
📊 Základné porovnanie
| Spôsob spracovania | Použiteľné scenáre | Hlavné riziká alebo náklady |
|---|---|---|
| Vyberte si blízky stav istoty | Odstrániť krok rozsudku | Pôvodný text mohol byť nesprávne posúdený a chyba vstúpi do následného procesu. |
Označte akounknown a ponechajte pôvodný text | Pôvodný text nie je v predvolenom zozname | Neznáme vyžadujú následné spracovanie, ale fakty sú zachované |
| Pozrite si ručné vyjasnenie | Viaceré stavové konflikty alebo firma neakceptuje neznáme hodnoty | Vyžaduje sa manuálna účasť, ale predvolený stav nebude tajne vybraný |
🎯 Ktorá metóda je pre vás vhodná?
Ak vaša firma umožňuje dočasnú neistotu
Označte ho ako unknown a ponechajte pôvodné časti textu, ktoré budú neskôr spracované spoločne.
Ak vaša firma neakceptuje neznáme hodnoty
Nechajte to na manuálne spracovanie a nevyberajte tajne predvolené stavy v poliach.
Ak chcete pridať nový stav
Uchovávajte staré záznamy, ujasnite si rozsah migrácie a skontrolujte, ktoré úlohy je potrebné znova extrahovať.
Ak pracujete s viacjazyčnými dokumentmi
Najprv potvrďte stav zdrojového dokumentu a potom skontrolujte, ako je vyjadrený v cieľovom jazyku.
❓ Často kladené otázky (FAQ)
1. Môžu obmedzenia enumerácie zabezpečiť, aby boli výsledky extrakcie správne?
nemôže. Obmedzenia enumerácie riadia iba výstupný zoznam slov a neurčujú, či slová vybrané modelom zodpovedajú pôvodnému textu.
2. Bude „neschválené"priradené k schválenému?
Nemalo by byť. Mapovanie zvláda iba jasné frázy. Text „neschválené"nemožno priradiť kapproved len preto, že obsahuje slovo „schválené".
3. Môže byť neznámy automaticky považovaný za nový stav?
Neodporúča sa. Tým sa prepíše historický význam a staré záznamy by sa mali zachovať a mal by sa objasniť rozsah migrácie.
4. Kedy je možné použiť predvolený stav?
Je to rozumné len vtedy, ak je to jasne uvedené v obchodnej zmluve a nemôže byť vytvorené samotným extrakčným skriptom.
📝 Zhrnutie
Kľúčom k extrakcii stavu je nechať systém priznať, že je neistý, a nie robiť rozhodnutia pre pôvodný text. Pravidlá zverejňovania obchodných informácií môžu byť dobre zdokumentované iba uchovanímunknown a pôvodných textových dôkazov.
Skúste to teraz: Odovzdajte dokument a spustite preklad, pričom sa zachová pôvodné rozloženie


