特定のトレーニング作業に関しては、TotalAgility は最初にレイアウトの分類を試みます。レイアウトがわかっている場合は、データの場所を認識して、そこからデータを抽出します (「特定ラーニングと汎用ラーニング」を参照)。同じデータがレイアウトの同じ場所でトレーニングされている場合、データ抽出は正常に機能します。ある程度、柔軟な処理が可能です。たとえば、金額がトレーニングされたイメージよりも低い位置または高い位置にある場合、金額グループ ロケータは垂直オフセットを処理できます。

同じレイアウトを 2 つの異なる方法でトレーニングした場合、TotalAgility はこの矛盾を検出します。1 人のオペレータがミスを犯し、他のオペレータがデータを正しくトレーニングした場合、TotalAgility は時間の経過とともにこのことを認識し、間違いを外れ値と見なして無視するようになります。ただし、同じレイアウトで正しくトレーニングされたサンプルと正しくトレーニングされなかったサンプルの数がほぼ同じである場合、TotalAgility はデータを抽出するときの信頼度を下げるため、Transformation Designer 管理者は矛盾を確認して解決する必要があります。次の例では、オペレータ 1 は請求書を正しくトレーニングしましたが、オペレータ 2 は誤って期日をトレーニングしました。

Transformation Designer では、TotalAgility は抽出トレーニング セットでこの矛盾をハイライトします。

[矛盾の解決] ボタンを選択すると、矛盾の解決ツールが開き、2 つのドキュメントが並んで表示されるため、矛盾をすばやく解決できます。

次のいずれかの方法で矛盾を解決できます。

1. 正しくないサンプル (前のサンプル画面の右側のサンプル) にカーソルを置いて、正しい値を描画します。

2. 何らかの理由で競合を解決できないが、サンプル全体を削除したくない場合は、いずれかのサンプルのフィールドを削除します。

3. イメージの品質不良、スタンプ不良、その他の歪みによってサンプルが使用できなくなったために矛盾が生じている可能性がある場合は、いずれかのサンプル ドキュメントを完全に削除します。

矛盾を解決すると、自動的に次の矛盾に移動します。矛盾がなくなった場合は、ダイアログが閉じます。矛盾を解決している間、TotalAgility はモデルをバックグラウンドで何度もトレーニングします。最後の矛盾が解決されたら、モデルの再トレーニングは不要になり、トレーニング済みの状態になります。