UiPath Document Understanding 교육

* DU 문서 처리 과정

Digitize -> Classify(생략가능) -> Extract
*재학습 가능

* Classify 종류

1. Keyword Classifier

• 키워드를 사람이 선정
• 여러개의 키워드를 복합적으로 사용 가능

2. Intelligent Keyword Classifier

• 키워드를 자동으로 선정
• 문서 분리 가능 -> 한 파일 내에 여러 문서들이 들어있을 경우 구분해서 잘라주는 기능

3. Machine Learning Classifier

• Machine Learning 방식으로 학습
• 추가 재학습 가능

* Extract (추출) 종류

1. Rule-based

• RegEx-Based Extractor
• Form Extractor (기본적으로 위치 기반/ 보조적으로 주변 앵커 기능 가능)

2. AI-based

• Forms AI (적게는 2-3장 많게는 20-30)
• Machine Learing Extractor

3. Hybrid approach

• A combination of both ― based and AI-based extractors

Field Rules Validation

-> 추출된 항목이 업무 요건에 부합하는지 검증하는 과정

• Mandatory(필수 항목)
• Regex
• 정해진 값보다 크다/ 작다
• Net+Tax =Total
• 미리 정해진 값 중에서만 가능(ex: Currency Code in KRW, USD, EUR)
• External data source lookup

Confidence

-> 보조적으로 일치 여부 확률을 확인할 수 있음

ML 모델 학습에 필요한 "최소" 문서 수량

• 일반 항목 하나 당 50건
• 테이블 컬럼 하나 당 200건
  *평가용 문서와 학습용은 별도로 준비 (평가용 문서 20-50건)

전처리-Deskew
-> 문서가 틀어진 경우 똑바르게 돌려줌
https://forum.uipath.com/t/deskew-library-for-document-image-processing/531553

*참고자료
https://docs.uipath.com/document-understanding/automation-cloud/latest/user-guide/out-of-the-box-pre-trained-ml-packages
https://docs.uipath.com/document-understanding/automation-cloud/latest/user-guide/document-manager-use-a-predefined-schema
https://docs.uipath.com/document-understanding/automation-cloud/latest/user-guide/public-endpoints
https://ds920.minoh.kr/fsdownload/bugN4woCM/DU_enablement

---

• Taxonomy Manager 사용
  아이디명은 필드명을 변경해도 변경 불가
  -> 변경 방법은 json 파일을 수정해야하는데, 권장하지 않음

• Digitize Document Activity
  [ Input 값 ]
  ⊙ Document Path : 분석 파일
  ⊙ ApplyOcrOnPdf : pdf파일이 이미 텍스트로 추출될 경우

• No : 이미 있는 pdf 디지털 텍스트 가져오기

• Yes : 디지털 텍스트가 있어도 OCR로 추출하여 가져오기

• Auto : 디지털 텍스트 있는 건 디지털 텍스트로 하고, 이미지 같은 경우는 OCR로 읽어오기 -> 대부분의 경우 Auto 사용
  ⊙ DegreeOfParallelism :

• -1 : 있는 코어를 하나빼고 다 사용하겠다. (Default)

• 1 : 있는 코어 하나만을 사용 (페이지 하나씩 읽어오겠다.)

[ Output 값 ]
⊙ document text : 문서의 전체 텍스트
⊙ document object model : 문서가 단위별로 분석되는데 단어별로 분석된 데이터

• Data Extraction Scope Activity
  하이브리드로 사용 가능 (여러 Extractor 사용) -> 사용한만큼 Unit이 차감되기 때문에 사용 빈도 수는 낮을 것으로 예상됨
  각각 항목들을 어떤 방식으로 추출할 지 설정 가능
  ex) Receipt의 name 항목은 Form Extractor로 가져오고, phone 항목은 ML로 가져올 수 있음
  단, 같은 항목을 둘 다 체크될 경우 왼쪽에 있는 순서대로 먼저 수행해보고 안되면 우측에 있는 방식으로 진행

Configure Extractors > Machine Learning Extractor