启用invoice_type后GCloud Document AI训练报错求助

错误根源 #

错误日志明确指出，invoice_type实体缺少entities.text_anchor.text_segments字段（要求至少1个，实际为0），核心原因是你把invoice_type的实体类型配置成了「提取型实体」，但实际使用场景是「文档分类标签」。

具体原因 #

• 提取型实体：用于标记文档内的具体文本内容，必须绑定文本位置（即text_anchor字段），系统会强制校验该字段是否存在。
• 分类型实体：用于给整个文档打类别标签，不需要关联任何具体文本片段，因此不需要text_anchor字段。

你的标注格式是分类型实体的正确格式：

{
    "id": "a47c19621d45f83d",
    "normalizedValue": {
        "text": "invoice_statement"
    },
    "type": "invoice_type"
}

但系统按提取型实体的规则校验，所以触发了「无效文档」的错误。

解决步骤 #

• 打开Google Cloud控制台的Document AI数据集页面，找到训练用的目标数据集
• 进入实体类型配置界面，定位invoice_type实体
• 将该实体的类型从「提取型」修改为「分类型」（控制台对应选项一般显示为Classification）
• 确认所有标注的invoice_type格式保持不变（无需添加text_anchor）
• 重新发起训练任务

内容的提问来源于stack exchange，提问作者Christian Schmitt