咨询Google能否分类W-2/W-9文档及Custom Document Classifier训练问题

能否用Google工具对W-2、W-9进行分类？ #

完全可以。Google Cloud Document AI既支持自定义文档分类，也提供了针对标准税务表单的预训练处理器——包括专门的W-2处理器和W-9处理器，能直接识别这类文档的类型，还可同步提取表单内的关键字段，无需从零训练自定义模型。

自定义分类模型未输出预期标签的排查要点 #

如果用Workbench的Custom Document Classifier训练后，评估W-2/W-9时得不到正确标签，可从以下方向排查：

• 训练样本质量：确保W-2、W-9、none三类标签下的样本数量充足且覆盖多样场景，比如W-2要包含不同年份、不同雇主的样式，none标签需涵盖其他常见文档（如发票、普通信件），避免样本单一导致模型泛化能力差。
• 标注准确性：检查标注是否存在错误，比如是否将W-9误标为W-2，或none标签中混入了目标表单。错误标注会严重干扰模型的特征学习。
• 训练参数配置：调整训练周期、批次大小等参数，或尝试Workbench提供的高阶模型选项，确保模型充分学习到不同表单的视觉/文本特征。
• 评估数据一致性：评估用的文档需与训练样本的格式、清晰度匹配，若训练用的是高清电子档，评估用模糊扫描件，模型识别准确率会大幅下降。
• 置信度阈值调整：查看模型的分类置信度阈值，若阈值设置过高，可能导致模型无法输出预期标签；可适当降低阈值，同时观察置信度分数，判断模型对目标文档的识别信心。

内容的提问来源于stack exchange，提问作者Divyasri D