Document AI中数字0与字母O的规则化训练识别问询

核心需求 #

训练Document AI可提升识别准确率，但存在字母O被误判为数字0的问题，要求不采用逐字符训练，通过规则化逻辑实现自动修正，最终调用API读取PDF时直接返回正确结果。

规则化实现思路 #

精准匹配修正规则 #

• 设定触发规则：当识别结果中出现AB紧跟数字0的组合时，仅将该0转换为字母O
• 示例转换：AB00012 → ABO0012

基于标注的模型集成方式 #

1. 在模型标注阶段，针对包含ABO这类特定组合的样本，明确标注正确字符（而非误判的AB0）
2. 训练时让模型学习这类特定前缀后的字符映射逻辑，替代逐字符的单独训练
3. 部署模型后，调用API读取PDF时，模型会自动应用该规则完成修正

内容的提问来源于stack exchange，提问作者システム事業部開発課2