Esempio di modello basato su regole

Ad esempio, quando un modello di apprendimento automatico viene applicato come arricchimento a un campo, estrae tutti i tipi di entità in quel campo che sono stati specificati in un modello basato su regole di apprendimento automatico ( Knowledge Studio ). Se il modello riconosce tipi di entità come person, surname e job title, vengono riconosciuti nei tuoi documenti e con tag.

Nell'output, le informazioni estratte dall'arricchimento Machine Learning nell'array enriched_{field_name}, all'interno dell'array entities. In questo esempio, il campo selezionato per l'arricchimento è 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."
      ]
    }
  ]
}

Di conseguenza, se qualcuno utilizza l'API per inoltrare una query del linguaggio di query Discovery per cercare le ricorrenze dell'arricchimento enriched_{field_name}.entities.type:jobtitle, vengono restituiti tutti i passaggi che discutono il titolo di lavoro di una persona.

Esempio di modello di machine learning

In questo esempio, un modello di machine learning estrae tipi di entità come person, oranization e date e informazioni sulle relazioni tra le entità. Quando questo modello ML viene applicato come arricchimento a un campo, utilizza l'apprendimento automatico per comprendere le sfumature linguistiche, il significato e le relazioni menzionate nel documento.

Nell'output, le informazioni estratte dall'arricchimento Machine Learning nell'array enriched_{field_name}, all'interno degli array entities e relations. In questo esempio, il campo selezionato per l'arricchimento è 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."
        }
      ]
    }
  ]
}

Limiti del modello di machine learning

Il numero di modelli Machine Learning (ML) che puoi creare per istanza del servizio dipende dal tuo tipo di piano Discovery.

Per ogni modello di machine learning Knowledge Studio, il numero massimo di entità che è possibile rilevare è 50.

Modelli di regole avanzate

Aggiungi un modello di regole avanzate per applicare un modello di estrazione testo creato ed esportato dall'editor delle regole avanzate di IBM Watson® Knowledge Studio alla tua raccolta.

Il tuo modello deve essere creato con la distribuzione Knowledge Studio appropriata:

• IBM Cloud Pak for Data è possibile aggiungere modelli creati ed esportati dai seguenti luoghi IBM Software Hub È possibile aggiungere modelli creati ed esportati dai seguenti luoghi:

  • IBM Watson® Knowledge Studio che è stato creato con una distribuzione IBM Cloud Pak® for Data precedente alla release 4.5.
  • IBM Watson® Knowledge Studio ospitato su IBM Cloud
  • Editor NLP creato dai contributori al Centro per le tecnologie di dati & AI open source

• IBM Cloud Puoi aggiungere modelli che sono stati creati con un'istanza IBM Watson® Knowledge Studio ospitata solo su IBM Cloud.