Ejemplo de modelo basado en reglas

Por ejemplo, cuando se aplica un modelo de aprendizaje automático como enriquecimiento a un campo, extrae todos los tipos de entidad de ese campo que se especificaron en un modelo basado en reglas de aprendizaje automático ( Knowledge Studio ). Si el modelo reconoce tipos de entidad como person, surname y job title, se reconocen en los documentos y se etiquetan.

En la salida, la información extraída por el enriquecimiento Machine Learning en la matriz enriched_{field_name}, dentro de la matriz entities. En este ejemplo, el campo seleccionado para el enriquecimiento es text.

{
  "enriched_text": [
    {
      "entities": [
        {
          "path": ".wksrule.entities.PERSON",
          "text": "George Washington",
          "type": "PERSON"
        },
        {
          "path": ".wksrule.entities.GIVENNAME",
          "text": "George",
          "type": "GIVENNAME"
        },
        {
          "path": ".wksrule.entities.SURNAME",
          "text": "Washington",
          "type": "SURNAME"
        },
        {
          "path": ".wksrule.entities.POSITION",
          "text": "politician",
          "type": "POSITION"
        },
        {
          "path": ".wksrule.entities.POSITION",
          "text": "soldier",
          "type": "POSITION"
        },
        {
          "path": ".wksrule.entities.JOBTITLE",
          "text": "President of the United States",
          "type": "JOBTITLE"
        }
      ],
      "text": [
        "George Washington (February 22, 1732‚ December 14, 1799) was an American politician and soldier who served as the first President of the United States from 1789 to 1797 and was one of the Founding Fathers of the United States."
      ]
    }
  ]
}

Como resultado, si alguien utiliza la API para enviar una consulta de lenguaje de consulta Discovery para buscar apariciones del enriquecimiento de enriched_{field_name}.entities.type:jobtitle, se devuelven los pasajes que tratan sobre el puesto de trabajo de una persona.

Ejemplo de modelo de aprendizaje automático

En este ejemplo, un modelo de aprendizaje automático extrae tipos de entidad como person, oranization y date, e información sobre las relaciones entre las entidades. Cuando este modelo de aprendizaje automático se aplica como enriquecimiento a un campo, utiliza el aprendizaje automático para comprender los matices lingüísticos, el significado y las relaciones que se mencionan en el documento.

En la salida, la información extraída por el enriquecimiento Machine Learning en la matriz enriched_{field_name}, dentro de las matrices entities y relations. En este ejemplo, el campo seleccionado para el enriquecimiento es text.

{
  "enriched_text": [
    {
      "entities": [
        {
          "count": 1,
          "text": "Democratic Party",
          "type": "ORGANIZATION"
        },
        {
          "count": 1,
          "text": "March 15, 1767",
          "type": "DATE"
        },
        {
          "count": 1,
          "text": "President",
          "type": "POSITION"
        },
        {
          "count": 1,
          "text": "Andrew Jackson",
          "type": "PERSON"
        }
      ],
      "relations": [
        {
          "sentence": "Andrew Jackson (March 15, 1767‚ June 8, 1845) was an American soldier and statesman who served as the seventh President of the United States from 1829 to 1837 and was the founder of the Democratic Party."
        }
      ]
    }
  ]
}

Límites del modelo de aprendizaje automático

El número de modelos de Machine Learning (ML) que puede crear por instancia de servicio depende del tipo de plan Discovery.

Para cada modelo de aprendizaje automático de Knowledge Studio, el número máximo de entidades que se pueden detectar es 50.

Modelos de reglas avanzadas

Añada un modelo de reglas avanzadas para aplicar un modelo de extracción de texto que se ha creado y exportado desde el editor de reglas avanzadas de IBM Watson® Knowledge Studio a la colección.

El modelo debe crearse con el despliegue de Knowledge Studio adecuado:

• IBM Cloud Pak for Data puede añadir modelos que se hayan creado y exportado desde los siguientes lugares IBM Software Hub Puede añadir modelos que se hayan creado y exportado desde los siguientes lugares:

  • IBM Watson® Knowledge Studio que se ha creado con un despliegue de IBM Cloud Pak® for Data anterior al release 4.5.
  • IBM Watson® Knowledge Studio que se aloja en IBM Cloud
  • Editor de NLP creado por colaboradores del Centro de tecnologías de datos e IA de código abierto

• IBM Cloud Puede añadir modelos que se hayan creado con una instancia de IBM Watson® Knowledge Studio alojada únicamente en IBM Cloud.