UiPathのドキュメントによると、Document Managerのスコアリングで文字列コンテンツタイプにのみ適用される利用可能なオプションは、完全一致とレーベンシュタインです。完全一致は、予測が真の値と完全に一致する場合にのみ正しいとみなすスコアリング戦略です。レーベンシュタインは、ある文字列を別の文字列に変換するために必要な編集（挿入、削除、または置換）の最小回数をカウントすることで、2つの文字列間の類似性を測定するスコアリング戦略です。レーベンシュタイン距離が低いほど、スコアは高くなります。これらのオプションは、文字列フィールドの「フィールド編集」ウィンドウの「詳細」タブで設定できます。
参考文献:
* ドキュメント理解 - フィールドの作成と構成
* ドキュメント理解 - 高性能モデルのトレーニング

UiPath AI Center は、事前トレーニング済み、カスタム トレーニング、微調整可能なモデルの 3 つの主要なパッケージ タイプを提供します。
これらは、既存のモデルを活用することから、特定のデータに基づいてカスタムモデルをトレーニングすることまで、さまざまなユースケースに不可欠です。

UiPath のドキュメントによると、ドキュメント理解プロセスで使用される一般的なデータ抽出方法には、ルールベースのデータ抽出とモデルベースのデータ抽出の 2 種類があります12。ルールベースのデータ抽出は、フォーム、請求書、領収書など、固定レイアウトと定義済みのフィールド セットを持つ構造化ドキュメントを対象としています。ルールベースのデータ抽出では、正規表現、キーワード、座標などの定義済みのルールを使用して、ドキュメントから関連データを検索して抽出します1。モデルベースのデータ抽出は、契約書、電子メール、レポートなど、可変レイアウトと多様なフィールド セットを持つ半構造化および非構造化ドキュメントを処理するために使用されます1。モデルベースのデータ抽出では、ニューラル ネットワークなどの機械学習モデルを使用して例から学習し、ドキュメントから関連データを抽出します1。どちらの方法にも利点と制限があり、ユース ケースに応じて、個別に使用することも、ハイブリッド アプローチで組み合わせて使用​​することもできます2。
参考資料: 1: データ抽出の概要 2: 改善されたデータ抽出によるドキュメント処理