Derin öğrenme yöntemleri kullanılarak, taratılmış fatura dökümanlarından bilgi çıkarımı

Bu tezde, düğüm sınıflandırma ve sıralı etiketleme görevleri için bir Graf Konvolüsyonel Ağı (GCN) modeli ile iki dönüştürücü tabanlı model arasında kapsamlı bir karşılaştırma yapıldı. Bu derin öğrenme modelleri, fatura belgelerinden bilgi çıkarmak üzere eğitildi, böylece bu tür verilerin otomatik işlenmesinin iyileştirilmesi amaçlandı. 1000 faturalık bir veri seti modellerin eğitiminde kullanılırken, performanslarını değerlendirmek için 250 faturalık ayrı bir veri seti kullanıldı. Sonuçlar, dönüştürücü tabanlı modellerden birinin GCN modelinden daha iyi sonuçlar elde ettiğini gösterdi. LayoutLMv1 modeli için F1-puanı 0.65 ve LayoutLMv3 modeli için 0.72 elde edilirken, GCN modeli için bu değer 0.32 oldu. Bu çalışmanın sonuçları, taranmış fatura belgelerinden bilgi çıkarma görevlerinde dönüştürücü tabanlı sinir ağı modellerinin etkinliğini ve transformerlar ile graf konvolüsyonel ağların bu görevdeki başarısını göstermektedir.