Hochverfügbarkeit und Disaster Recovery
IBM Watson® Discovery bietet hohe Verfügbarkeit in allen IBM Cloud®-Regionen, in denen Discovery angeboten wird. Eine Wiederherstellung nach potenziellen Stör- und Katastrophenfällen, die sich auf eine ganze Region auswirken, erfordert jedoch Planung und Vorbereitung.
IBM Cloud
Diese Informationen gelten nur für verwaltete Implementierungen.
Sie müssen mit der Anpassung und Verwendung des Service vertraut sein. Sie müssen außerdem in der Lage sein, eine Instanz des Service in einer anderen Region neu zu erstellen und Ihre Daten in jeder beliebigen Region wiederherzustellen. Weitere Informationen finden Sie unter "Wie stelle ich sicher, dass es zu keinen Ausfallzeiten kommt?".
Hochverfügbarkeit
IBM Watson® Discovery unterstützt Hochverfügbarkeit ohne Single Point of Failure. Der Service erzielt die hohe Verfügbarkeit automatisch und transparent über die von IBM Cloud bereitgestellte MZR-Funktion (MZR = Multi-Zone Region).
IBM Cloud aktiviert mehrere Zonen, die keinen gemeinsamen Single Point of Failure innerhalb eines Standorts haben. Darüber hinaus wird ein automatischer Lastausgleich über die Zonen innerhalb einer Region zur Verfügung gestellt.
Disaster-Recovery
Die Disaster-Recovery kann zum Problem werden, wenn in einer IBM Cloud-Region eine umfangreiche Störung auftritt, die potenziell zu Datenverlust führen kann. Da MZR nicht regionsübergreifend verfügbar ist, müssen Sie abwarten, bis eine nicht verfügbare Region von IBM wieder online geschaltet wird. Wenn die Störung auch zugrunde liegende Datenservices betrifft, müssen Sie außerdem abwarten, bis diese Datenservices von IBM wiederherstellt wurden.
Wenn ein katastrophaler Fehler auftritt, ist IBM möglicherweise nicht in der Lage, Daten aus Datenbanksicherungen wiederherzustellen. In diesem Fall müssen Sie Ihre Daten wiederherstellen, um Ihre Serviceinstanz wieder auf den aktuellsten Stand zu bringen. Sie können die Daten in derselben Region oder in einer anderen Region wiederherstellen.
Ihr Disaster-Recovery-Plan muss das Wissen um, die Beibehaltung von und die Vorbereitung der Wiederherstellung aller Daten enthalten, die in IBM Cloud verwaltet werden.
Daten in Watson Discovery sichern
Sie haben mehrere Methoden zum Sichern der Daten, die in IBM Watson® Discoverygespeichert sind. Sie können die folgenden Daten in Ihrem Disaster-Recovery-Plan sichern:
- Daten als Kopie der Quellendokumente
- Daten, die aus Discovery importiert und exportiert werden
Sie können die in der folgenden Tabelle aufgelisteten Ressourcen sichern, um einen Datenverlust während der Wiederherstellung nach einem Katastrophenfall zu verhindern.
Ressource | Datensicherungsprozess | UI-Unterstützung für Ressourcendownload | Benutzerschnittstellenunterstützung für Ressourcenupload | API-Unterstützung |
---|---|---|---|---|
Hochgeladene und durchsuchte Dateien | Speichern Sie die Sicherungen für alle Quellendokumente der aufgenommenen Daten sicher. Weitere Informationen finden Sie unter Einpflegte Dokumente.
Bewahren Sie die Berechtigungsnachweise der Datenquellen für die erneute Suche auf, indem Sie die Verbindung zu den ursprünglichen Datenquellen wiederherstellen. Weitere Informationen finden Sie unter Verbindungen zu externen Datenquellen wiederherstellen. Weitere Informationen finden Sie im Hinweis. |
Nein | Nein | Download-Nein Upload-Nein |
Relevanztrainingsdaten | Laden Sie alle Trainingsabfragen und Beispiele herunter und speichern Sie sie lokal, um die Trainingsdaten zu sichern. Weitere Informationen finden Sie unter Trainingsdaten. | Nein | Nein | Download-Ja Upload-Ja |
Erweiterungsliste | Laden Sie die Erweiterungslisten über API herunter und speichern Sie sie lokal, um die Erweiterungslisten wiederherzustellen. Weitere Informationen finden Sie unter Erweiterungslisten. | Nein | Ja | Download-Ja Upload-Ja |
Stoppwortliste | Laden Sie die Stoppwortlisten über API herunter und speichern Sie sie lokal, um die Stoppwortlisten wiederherzustellen. Weitere Informationen finden Sie unter Stoppwörter. | Nein | Ja | Download-Ja Upload-Ja |
Smart Document Understanding-vom Benutzer trainiertes Modell | Exportieren Sie Ihre Modelle und speichern Sie sie lokal, um sie zu sichern. Weitere Informationen finden Sie unter Smart Document Understanding-Modelle wiederherstellen. | Ja | Ja | Download-Nein Upload-Nein |
Aufbereitung für Textklassifikationsmerkmale | Sichern Sie die CSV-Dateien des Klassifikationsmerkmals und speichern Sie sie lokal. Weitere Informationen finden Sie unter Textklassifikationsmerkmal. | Nein | Ja | Upload-Nein Download-Nein |
Anreicherung von Satzklassifizierer aus Satzbeschriftung | Laden Sie die .sc-Dateien der Satzklassifikationsmerkmalmodelle herunter, die Sie über die Benutzerschnittstelle für Satzbeschriftung erstellt haben. Weitere Informationen finden Sie unter Satzklassifikationsmerkmale wiederherstellen. | Ja | Ja | Download-Nein Upload-Nein |
Aufbereitung für Dokumentklassifikationsmerkmale | Sichern Sie die CSV-Dateien des Klassifikationsmerkmals und speichern Sie sie lokal. Weitere Informationen finden Sie unter Content-Mining-Anwendungsressourcen. | Nein | Ja | Download-Nein Upload-Ja |
Aufbereitung des Wörterverzeichnisses | Laden Sie die CSV-Dateien der Wörterverzeichnisse herunter, die Sie mithilfe der Discovery-UI oder Content-Mining-Anwendung erstellt haben. Weitere Informationen finden Sie unter Wörterverzeichnisaufbereitungen wiederherstellen.
Sie können das Wörterverzeichnis nicht als CSV-Dateien herunterladen, wenn Sie das Wörterverzeichnis durch Hochladen der CSV-Dateien erstellt haben. |
Ja | Ja | Download-Nein Upload-Ja |
Entitätsextraktionsprogrammaufbereitung | Laden Sie die Entitätsextraktormodelle herunter und speichern sie lokal, um die Modelle zu sichern. Weitere Informationen finden Sie unter Entitätsextraktoren wiederherstellen. | Ja | Ja | Download-Nein Upload-Nein |
Aufbereitung für reguläre Ausdrücke | Behalten Sie die Begriffe des regulären Ausdrucks bei, den Sie in der Benutzerschnittstelle von Discovery angegeben haben. Weitere Informationen finden Sie unter Aufbereitungen mit regulären Ausdrücken.
Sie können die Aufbereitung für reguläre Ausdrücke über die API erstellen, sie jedoch nicht herunterladen. |
Nein | Ja | Download-Nein Upload-Ja |
Musteraufbereitung | Laden Sie die Musteraufbereitungen als ZIP-Dateien herunter und speichern Sie sie lokal. Weitere Informationen finden Sie unter Musteraufbereitungen und Musteraufbereitungen wiederherstellen. | Ja | Ja | Download-Nein Upload-Nein |
Erweiterte Regelaufbereitung | Sichern Sie die Original-Modelldateien als ZIP-Dateien und speichern Sie sie lokal. Weitere Informationen finden Sie unter Aufbereitung für erweiterte Regelmodelle. | Nein | Ja | Download-Nein Upload-Nein |
In Knowledge Studio erstellte regelbasierte Modelle | Sichern Sie die Original-Modelldateien als .pear-Dateien und speichern Sie sie lokal. Weitere Informationen finden Sie unter Importierte ML-Modelle zum Suchen nach angepassten Begriffen verwenden. | Nein | Ja | Download-Nein Upload-Ja |
In Knowledge Studio erstellte Modelle für maschinelles Lernen | Sichern Sie die Original-Modelldateien als ZIP-Dateien und speichern Sie sie lokal. Weitere Informationen finden Sie unter Importierte ML-Modelle zum Suchen nach angepassten Begriffen verwenden. | Nein | Ja | Download-Nein Upload-Ja |
IBM Cloud Pak for DataIBM Software Hub Benutzerdefinierte UIMA-Textanalysemodelle | Sichern Sie die Original-Modelldateien als .pear-Dateien und speichern Sie sie lokal. Weitere Informationen finden Sie unter Importierte ML-Modelle zum Suchen nach angepassten Begriffen verwenden. | Nein | Ja | Download-Nein Upload-Ja |
Sie können nachfolgend keine Dateien herunterladen, die Sie zu Discovery hinzufügen, weil die ursprünglichen Dateien nicht in Discoverygespeichert sind. Sie können jedoch Informationen aus der Datei abrufen, die im Objektgruppenindex gespeichert
ist, wenn die Originaldatei verarbeitet wird. Verwenden Sie die Abfrage-API, um eine Abfrage zu übergeben, die eine Passage aus der gewünschten Datei zurückgibt, und überprüfen Sie dann den Antworthauptteil
auf Daten aus der Datei. Bei einigen Dateitypen wird beispielsweise Text aus der Originaldatei im Feld text
gespeichert.
Informationen zu Ressourcen, die mit der Content-Mining-Anwendung erstellt werden, enthält Content-Mining-Ressourcen.
Aufbereitungen von Satzklassifikationsmerkmalen
Um Satzklassifikationsmerkmalmodelle zu sichern, die über die Benutzerschnittstelle für Satzbeschriftung erstellt wurden, laden Sie die Modelle herunter und speichern Sie sie lokal. Ein Modell muss vollständig trainiert werden, bevor es heruntergeladen werden kann. Weitere Informationen finden Sie unter Modell für Satzklassifikationsmerkmale herunterladen.
Eingepflegte Dokumente
Ihre hochgeladenen Dokumente werden konvertiert, aufbereitet und im Suchindex gespeichert. Bei einem Katastrophenfall ist der Suchindex nicht wiederherstellbar. Speichern Sie eine Sicherung aller Ihrer Quellendokumente an einem sicheren Ort.
Wenn Sie Dokumente auch durch geplante Crawls externer Datenquellen importieren, sollten Sie Ihre Anmeldedaten für die Datenquellen extern speichern, damit Sie die Verbindung zu Ihren Datenquellen schnell wiederherstellen können. Eine Liste der verfügbaren Quellen und der für jede Quelle erforderlichen Anmeldeinformationen finden Sie unter "Konfigurieren von IBM Cloud-Datenquellen ".
Sie können einen Teil des Texts abrufen, der im Index gespeichert wurde, als das Originaldokument mithilfe der Abfrage-API aufgenommen wurde. Weitere Informationen finden Sie unter Dokumente wiederherstellen.
Trainingsdaten
Mit dieser Task können Sie Ihre Trainingsdatenabfragen und Beispiele für ein trainiertes Projekt sichern. Trainingsdaten werden für das explizite Training Ihrer Projekte verwendet und pro Projekt gespeichert. Zum Extrahieren der Trainingsdaten laden Sie über die API die Abfragen und Einstufungen von Discovery herunter. Führen Sie die folgenden Schritte aus, um Trainingsdatenabfragen und Beispiele zu sichern:
- Laden Sie Ihre Trainingsdaten mithilfe der API für Trainingsabfragen herunter.
- Speichern Sie Ihre Trainingsabfragen und Beispiele lokal.
Die Dokument-IDs, die Sie in Ihren Trainingsdaten verwenden, verweisen auf die Dokumente in Ihrem aktuellen Projekt. Verwenden Sie dieselben IDs in Ihren neuen Projekten, um sicherzustellen, dass die richtigen Dokumente referenziert werden. Wenn die IDs nicht übereinstimmen, funktioniert das wiederhergestellte Relevanztraining nicht.
Erweiterungslisten
Wenn Sie Synonyme (Abfrageerweiterungen) für Abfragemodifikationen verwenden, sichern Sie Ihre .json-Erweiterungsliste und speichern Sie sie lokal. Weitere Informationen finden Sie in Synonyme implementieren.
Stoppwörter
Bei Stoppwörtern müssen Sie die Textdatei sichern.Weitere Informationen zu Stoppwörtern finden Sie unter Stoppwörter definieren.
Sammlungsinformationen
Dies ist nicht erforderlich, aber es ist ein bewährtes Verfahren, den Status für jede Sammlung regelmäßig abzurufen und die Informationen lokal zu speichern. Das Beibehalten dieser Statistikdaten ermöglicht Ihnen später bei Bedarf die Überprüfung, ob Ihre Wiederherstellungsprozesse erfolgreich waren.
Smart Document Understanding-Modelle
Wenn Sie Smart Document Understanding (SDU) verwenden, verfügen Sie über Modelle, die mit Ihrer Konfiguration verknüpft sind. Um einen Verlust dieser Informationen zu vermeiden, exportieren Sie Ihre Modelle,
sichern Sie sie und speichern Sie sie lokal.SDU-Modelle haben die Dateierweiterung .sdumodel
.
Aufbereitungen mit Wörterverzeichnis
- Öffnen Sie Ihr Projekt und klicken Sie auf Verbessern und anpassen.
- Klicken Sie in der Anzeige Verbesserungstools auf Domänenkonzepte vermitteln und anschließend auf Wörterverzeichnisse.
- Klicken Sie auf das Symbol für den Download neben Ihrem Wörterverzeichnis. Ihr Wörterverzeichnis wird nun als CSV-Datei heruntergeladen.
Aufbereitungen mit regulären Ausdrücken
Sichern Sie Ihre regulären Ausdrücke als CSV-Datei und speichern Sie sie lokal. Notieren Sie sich die regulären Ausdrücke, die Sie zum Erstellen Ihrer Anreicherungen angegeben haben, damit Sie die Anreicherungen daraus neu erstellen können. Weitere Informationen finden Sie unter Reguläre Ausdrücke.
Machine Learning-Aufbereitungen
Sichern Sie die ZIP- oder PEAR-Dateien (Verarbeitungsenginearchiv) Ihres Machine Learning-Modells und speichern Sie diese lokal. Weitere Informationen finden Sie unter Machine Learning-Aufbereitungen und Watson Explorer Content Analytics Studio-Modelle.
Aufbereitungen des Typs 'Muster'
- Öffnen Sie Ihr Projekt.
- Klicken Sie in der Anzeige Verbesserungstools auf der Seite Verbessern und anpassen auf Domänenkonzepte zuordnen und anschließend auf Muster (Beta).
- Klicken Sie auf das Symbol für den Download neben Ihrem Muster. Ihr Mustermodell wird nun als ZIP-Datei heruntergeladen.
Aufbereitung für erweiterte Regelmodelle
Sichern Sie Ihre Modelldateien als ZIP-Datei und speichern Sie sie lokal. Weitere Informationen finden Sie unter Erweiterte Regelmodelle.
Aufbereitung 'Klassifikationsmerkmal'
Sichern Sie Ihre Klassifikationsmerkmale als CSV-Dateien und speichern Sie sie lokal. Weitere Informationen finden Sie unter Klassifikationsmerkmal.
Aufbereitungen von Entitätsextraktoren
Laden Sie zum Sichern von Entitätsextraktionsmodellen die Modelle herunter und speichern Sie sie lokal. Ein Modell muss vollständig trainiert werden, bevor es heruntergeladen werden kann. Weitere Informationen finden Sie unter Entitätsextraktionsprogramm exportieren.
Content-Mining-Anwendungsressourcen
Sie können bestimmte Datentypen nicht sichern und müssen sie manuell erneut erstellen. Es gibt mehrere angepasste Content-Mining-Benutzerressourcen, die von der Anwendung nicht automatisch gesichert werden. Wenn Datenverlust auftritt, müssen Sie entweder die folgenden angepassten Benutzerressourcen in der Content-Mining-Anwendung manuell neu erstellen oder eine lokal gespeicherte Datei hochladen, die die Ressource enthält:
-
Angepasste Karte
-
Export durchsuchter Dokumente: Sie können ein durchsuchtes Dokument in der Ansicht Dokumente in der Content-Mining-Anwendung exportieren, aber Sie können es nicht erneut in die Anwendung hochladen.
-
Export der Ergebnisse der Facettenanalyse: Sie können die Ergebnisse Ihrer Facettenanalyse herunterladen. Klicken Sie hierzu auf das Symbol Exportieren, dann auf Ergebnisse exportieren und auf Exportieren im Dialogfenster Optionen für Analyseexport.
-
Objektgruppe: Sie können eine Content-Mining-Objektgruppe wiederherstellen, wenn Sie die Objektgruppe lokal als CSV-Datei gespeichert haben, und sie anschließend in die Anwendung hochladen. Andernfalls müssen Sie die Objektgruppe manuell neu erstellen.
-
Dokumentklassifikationsmerkmal: Sie können ein Dokumentklassifikationsmerkmal wiederherstellen, wenn Sie das Dokumentklassifikationsmerkmal lokal als CSV-Datei gespeichert haben, und es anschließend in die Anwendung hochladen. Andernfalls müssen Sie das Dokumentklassifikationsmerkmal manuell erneut erstellen.
-
Benutzerdefinierte Annotatoren
- Wörterverzeichnis: Sie können ein Wörterverzeichnis in der Anwendung wiederherstellen, wenn Sie das Wörterverzeichnis lokal als CSV-Datei gespeichert und in die Anwendung hochgeladen haben.
- Reguläre Ausdrücke: Sie können einen regulären Ausdruck in der Anwendung wiederherstellen, wenn Sie den regulären Ausdruck lokal als CSV-Datei gespeichert und in der Anwendung hochgeladen haben.
- Modelle für maschinelles Lernen: Sie können ein Modell für maschinelles Lernen wiederherstellen, wenn Sie das Modell lokal als ZIP-Datei gespeichert haben, und es anschließend in die Anwendung hochladen.
- PEAR-Datei: Sie können eine PEAR-Datei hochladen, wenn Sie die Datei lokal gespeichert haben, und sie dann in der Anwendung hochladen.
Sie können die folgenden Ressourcen nicht lokal sichern und müssen sie in der Content-Mining-Anwendung erneut erstellen.
- Gespeicherte Analyse
- Bericht
- Dashboard
Daten in einer neuen Watson Discovery-Instanz wiederherstellen
Mit Ihren Sicherungen können Sie Ihre Daten in einer neuen Instanz von Discovery in einem anderen Rechenzentrum wiederherstellen, auch als Region oder Standort bezeichnet.
Zu Beginn der Wiederherstellung überprüfen Sie erst Ihre Liste von Sammlungen und zugehörigen Datenquellen sowie Ihre Dateisicherungen.
- Erstellen Sie Ihre Projekte und Sammlungen. Verwenden Sie die Discovery-Tools oder die API. Siehe Projekt erstellen und Sammlung erstellen.
- Fügen Sie angepasste Wörterverzeichnisse in die Sammlungen ein. Weitere Informationen finden Sie unter Stoppwörter definieren.
- Wenn Sie eine angepasste Abfrageerweiterung verwenden, müssen Sie Ihre Abfrageerweiterungen hinzufügen. Weitere Informationen finden Sie unter Synonyme implementieren.
- Wenn Sie für die Aufbereitung angepasste Entitätsmodelle von IBM Watson® Knowledge Studio verwenden, importieren Sie dieses Modell erneut in Ihre Discovery-Instanz. Ausführliche Informationen finden Sie in Aufbereitungen verwalten.
Nachdem Sie Ihre Projekte und Sammlungen so eingerichtet haben, wie sie zuvor war, beginnen Sie mit dem Aufnehmen Ihrer Quellendokumente. Je nachdem, wie Sie Ihre Dokumente zuvor aufgenommen haben, können Sie dies mit einer eigenen Lösung oder einer der folgenden Methoden tun:
Satzklassifikatoren wiederherstellen
Um ein Modell eines Satzklassifikationsmerkmals wiederherzustellen, das aus der Benutzerschnittstelle für Satzbeschriftung erstellt wurde, importieren Sie die exportierte .sc-Datei, um ein neues Modell für maschinelles Lernen zu erstellen. Sie können das exportierte Modell nicht in der Benutzerschnittstelle für Satzbeschriftung öffnen, um die Arbeit damit fortzusetzen. Sie können jedoch ein fertiges Modell importieren und als Erweiterung für Satzklassifikationsmerkmale auf Objektgruppen anwenden.
Weitere Informationen zum Importieren eines Modells für Satzklassifikationsmerkmale zum Erstellen einer Aufbereitung für maschinelles Lernen finden Sie unter Importierte ML-Modelle zum Suchen nach angepassten Begriffen verwenden.
Trainingsdaten wiederherstellen
Nachdem Sie Ihre Projekte wiederhergestellt haben, können Sie mit der Neuerstellung Ihrer Relevanz-Trainingsmodelle beginnen. Um Ihre Trainingsdatenabfragen und Beispiele wiederherzustellen, erstellen Sie Ihre individuellen Trainingsabfragen und die Beispiele mithilfe der API für die Erstellung von Trainingsabfragen neu, oder Sie können Ihre Abfragen und Beispiele unter Discovery wiederherstellen. Weitere Informationen zur Wiederherstellung Ihrer Trainingsdaten unter Verwendung von Discovery finden Sie in den Anweisungen für den Zugriff auf die Seite Trainieren in Ergebnisrelevanz mit Training verbessern.
Damit die Wiederherstellung richtig ausgeführt wird, verweisen die Dokument-IDs, die Sie in Ihren Trainingsdaten verwenden, auf die Dokumente in Ihrem aktuellen Projekt. Verwenden Sie dieselben IDs in Ihren neuen Projekten, um sicherzustellen, dass die richtigen Dokumente referenziert werden. Wenn die IDs nicht übereinstimmen, funktioniert das wiederhergestellte Relevanztraining nicht.
Verbindungen zu externen Datenquellen wiederherstellen
Im Falle eines unerwarteten Datenverlusts können Sie auch Ihre geplanten Crawlersuchen für externe Datenquellen verlieren. Eine Liste der verfügbaren Quellen finden Sie unter IBM Cloud-Datenquellen konfigurieren.
Um Ihre externen Daten wiederherzustellen, stellen Sie die Verbindungen zu diesen Datenquellen wieder her und crawlen Sie sie dann erneut.
Um die gespeicherten Datenquellenberechtigungsnachweise zu finden, befolgen Sie die Anweisungen für Ihre ausgewählte Datenquelle unter IBM Cloud-Datenquellen konfigurieren. In diesen Anweisungen wird erläutert, wie Sie die Verbindung zu Ihren Datenquellen wiederherstellen und die in Discovery importierten Daten abrufen können.
Smart Document Understanding-Modelle wiederherstellen
Informationen zum Importieren eines zuvor exportierten Smart Document Understanding-Modells (SDU-Smart Document Understanding) finden Sie unter Modelle importieren und exportieren.
SDU-Modelle haben die Dateierweiterung .sdumodel
.
Wenn Sie ein bestehendes SDU-Modell in eine neue Sammlung importieren, empfiehlt es sich, zunächst die neue Sammlung zu erstellen und ein Dokument hinzuzufügen. Anschließend importieren Sie das Modell und laden die restlichen Dokumente hoch.
Aufbereitungen 'Wörterverzeichnis' wiederherstellen
- Öffnen Sie Ihr Projekt.
- Klicken Sie in der Anzeige Improvement tools auf der Seite Improve and customize auf Teach domain concepts, Dictionaries und dann auf Upload.
- Geben Sie im Dialogfeld Wörterverzeichnis anwenden den Namen Ihrer CSV-Datei an, wählen Sie eine Sprache aus und geben Sie den Facettenpfad an. Klicken Sie anschließend auf Hochladen und wählen Sie Ihre CSV-Datei mit dem Wörterverzeichnis aus.
- Klicken Sie auf Erstellen.
Nach dem Hochladen Ihrer CSV-Datei mit dem Wörterverzeichnis zur Wiederherstellung können Sie den Editor für das Wörterverzeichnis nicht verwenden, um die Begriffe weiter zu bearbeiten. Wenn Sie den Editor für das Wörterverzeichnis verwenden möchten, erstellen Sie ein Wörterverzeichnis und fügen Sie dem Wörterverzeichnis manuell Begriffe hinzu.
Informationen zum Hochladen einer .csv-Datei zur Wörterbuchanreicherung finden Sie unter "Wörterbuch ".
Aufbereitungen 'Muster' wiederherstellen
Sie können Aufbereitungen 'Muster' aus ZIP-Dateien als erweiterte Regelmodelle wiederherstellen, indem Sie die folgenden Schritte ausführen:
- Öffnen Sie Ihr Projekt.
- Klicken Sie in der Anzeige Verbesserungstools auf der Seite Verbessern und anpassen auf Konzepte der Teach-Domäne, Erweiterte Regelmodelle und dann auf Hochladen.
- Geben Sie im Dialogfeld Erweitertes Regelmodell anwenden den Namen Ihrer ZIP-Datei an, wählen Sie eine Sprache aus und geben Sie ein Ergebnisfeld an. Klicken Sie anschließend auf Hochladen und wählen Sie Ihre ZIP-Datei mit den erweiterten Regelmodellen aus.
- Klicken Sie auf Erstellen.
Nach dem Hochladen Ihrer ZIP-Datei mit dem Mustermodell zur Wiederherstellung können Sie den Mustereditor nicht verwenden, um die ZIP-Dateien weiter zu bearbeiten.
Weitere Informationen zum Hochladen einer ZIP-Datei mit erweiterten Regelmodellen finden Sie unter Erweiterte Regelmodelle.
Entitätsextraktoren wiederherstellen
Um ein Entitätsextraktionsmodell wiederherzustellen, importieren Sie die exportierte .ent-Datei, um ein neues Modell für maschinelles Lernen zu erstellen. Sie können das exportierte Modell nicht im Entitätsextraktionstool öffnen, um die Arbeit damit fortzusetzen. Sie können jedoch ein fertiges Modell importieren und es als Entitätsextraktoraufbereitung auf Objektgruppen anwenden.
Weitere Informationen zum Importieren eines Entitätsextraktormodells zum Erstellen einer Aufbereitung für maschinelles Lernen finden Sie unter Importierte ML-Modelle zum Suchen nach angepassten Begriffen verwenden.