UiPath AI Center でデータ ラベリング セッションを作成するときに必要な重要な情報は次のとおりです。
* データラベリングセッション名: セッションの一意の識別子。
* データセット: ラベル付けセッションで使用されるデータ。
詳細については、以下を参照してください。
* UiPath AI Center ドキュメント: データ ラベリング セッション

このシナリオでは、タクソノミー マネージャーで定義されているルールは次のとおりです。
* IsNotEmpty: フィールドが空でないことを確認します。
* EndsWithUSA: 抽出されたアドレスが「USA」で終わるかどうかを確認します。
* ContainsNY: 抽出されたアドレスに「NY」が含まれていることを確認します。
この場合に抽出される住所は、「42 W 80th St. West New York, NJ 1234, USA」です。住所は「USA」で終わりますが (EndsWithUSA ルールに合格)、「West New York, NJ」が含まれており、「NY」は「New York」の一部ですが、ContainsNY ルールを満たしています。ただし、「NY」はより大きな文字列 (「New York」) の一部であるため、Contains ルールの正確な動作によって警告メッセージが生成される可能性があります。これはエラーではなく、単にルールの競合であるため、検証を続行できます。
したがって、最も正確な結果は警告となるが、検証は依然として実行可能である。

UiPath Communications Mining では、特定のラベルの精度と再現率の統計は、主にモデルに設定された信頼度しきい値によって決まります。このしきい値は、モデルがメッセージにラベルを割り当てる前に必要な確実性のレベルを表します。このしきい値を調整することで、精度 (偽陽性の減少) と再現率 (偽陰性の減少) の間でトレードオフを行うことができます。たとえば、しきい値を高くすると精度は上がりますが再現率は下がる可能性があります。その逆も同様です。

UiPath のタクソノミー マネージャーでは、テキスト フィールドに複数の定義済み値のいずれかを設定できる場合に、「可能な値」ルールを使用する必要があります。これにより、抽出されたデータが許容値のリストに対して検証され、抽出プロセス中の一貫性と正確性が維持されます。これは、限られたオプション セットのみが有効であるステータス インジケーターやカテゴリ フィールドなどのフィールドに特に役立ちます。
(出典: UiPath Taxonomy Manager ドキュメント)

UiPath ドキュメント ポータル 1 によると、ドキュメント理解フレームワークのエクスポート ステージはドキュメント処理ワークフローの最終ステージであり、抽出されたデータはデータセットまたは Excel、JSON、XML などのカスタマイズされた形式に変換されます。エクスポート ステージでは、データ マネージャーまたはドキュメント マネージャーの [ファイルのエクスポート] ダイアログ ボックスを使用して、ML モデルのトレーニング用にデータを簡単にエクスポートできます。エクスポート ステージでは、フィールドのスキーマとその構成をエクスポートして、別のセッションにインポートすることもできます。エクスポート ステージでは、現在の検索結果、すべてラベル付き、スキーマ、すべてなど、さまざまなエクスポート オプションがサポートされています。エクスポート ステージでは、フィールドごとに少なくとも 10 個のラベル付きドキュメントまたはページ、および分類オプションごとに少なくとも 1 つのドキュメントが必要であるなどの検証ルールも提供されます1。したがって、オプション A はエクスポート ステージの主な機能と利点を説明しているため、正解です。オプション B は不正解です。これは、ドキュメント処理ワークフローの前のステージであるデータ検証ステージを指しており、検証ステーションまたは検証ステーションの提示アクティビティ 2 を使用して、抽出されたデータを人間が確認および修正できます。オプション C は、分類ステージを指しているため正しくありません。これは、ドキュメント処理ワークフローの 2 番目のステージであり、ドキュメントは、ドキュメント スコープの分類アクティビティと選択した分類子を使用して、定義済みのドキュメント タイプの 1 つとして分類されます。3 オプション D は、デジタル化ステージを指しているため正しくありません。これは、ドキュメント処理ワークフローの最初のステージであり、ドキュメントのデジタル化アクティビティと選択した OCR エンジンを使用して、OCR (光学式文字認識) を使用して画像ドキュメントからテキストを抽出します。
参考資料: 1 ドキュメント理解 - ドキュメントのエクスポート 2 ドキュメント理解 - データ検証 3 ドキュメント理解 - 分類 ドキュメント理解 - デジタル化