ルール・ベース・モデルの例

例えば、機械学習モデルがフィールドの強化策として適用されると、 Knowledge Studio ルールベースのモデルで指定されたそのフィールド内のすべてのエンティティタイプが抽出されます。 モデルが person、 surname、および job title などのエンティティー・タイプを認識する場合、それらは文書内で認識され、タグ付けされます。

出力では、 entities 配列内の enriched_{field_name} 配列の Machine Learning エンリッチメントによって抽出された情報。 この例では、エンリッチ用に選択されているフィールドは text です。

{
  "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."
      ]
    }
  ]
}

結果として、誰かが API を使用 して Discovery 照会言語照会を送信し、 enriched_{field_name}.entities.type:jobtitle エンリッチメントのオカレンスを検索すると、個人の役職を説明するパッセージが返されます。

機械学習モデルの例

この例では、Machine Learning モデルは、 person、 oranization、 date などのエンティティー・タイプと、エンティティー間の関係に関する情報を抽出します。 このMLモデルがフィールドに適用されると、機械学習を使用して、文書内で言及されている言語的なニュアンス、意味、関係性を理解します。

出力では、 entities 配列および relations 配列内の enriched_{field_name} 配列の Machine Learning エンリッチメントによって抽出された情報。 この例では、エンリッチ用に選択されているフィールドは text です。

{
  "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."
        }
      ]
    }
  ]
}

機械学習モデルの制限

サービスインスタンスごとに作成できる Machine Learning （ML）モデルの数は、 Discovery プランの種類によって異なります。

各 Knowledge Studio 機械学習モデルについて、検出可能なエンティティーの最大数は 50 です。

拡張ルール・モデル

拡張ルール・モデルを追加して、 IBM Watson® Knowledge Studio の拡張ルール・エディターから作成およびエクスポートされたテキスト抽出モデルをコレクションに適用します。

適切な Knowledge Studio デプロイメントを使用してモデルを作成する必要があります。

• IBM Cloud Pak for DataIBM Software Hub 以下の場所から作成およびエクスポートされたモデルを追加できます

  • 4.5 リリースより前の IBM Cloud Pak® for Data デプロイメントでビルドされた IBM Watson® Knowledge Studio 。
  • IBM Cloud でホストされている IBM Watson® Knowledge Studio
  • センター・フォー・オープン・ソース・データ & AI Technologies のコントリビューターによって構築された NLP エディター

• IBM Cloud IBM Cloud でホストされている IBM Watson® Knowledge Studio インスタンスで作成されたモデルのみを追加できます。