微调托书文档信息提取的思路?

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 286 天前的主题，其中的信息可能已经有所发展或是发生改变。

想要提取这种托书里面的字段,应该用什么模型去微调比较好.

可以拿来训练的样本量不会太多.拿过 paddlenlp 的 UIE-X 训练过,感觉效果不是会很好,对多行文本支持不怎么样.

有没有大佬能指点一下思路

4 条回复 • 2024-03-14 16:55:00 +08:00

lucifer69

286 天前

这种固定位置的印刷字体文档，不能直接 ocr （或者切割图片后各部分单独 ocr ）后提取吗？

cccclk

286 天前

@lucifer69 也不是完全固定的,需要适配多种奇奇怪怪的格式

musi

286 天前

带着位置信息一起发给 gpt ，让 gpt 处理

cccclk

286 天前

@musi 打算自己训练 GPT 成本太高也不稳定