Exemplo de modelo baseado em regra

Por exemplo, quando um modelo de aprendizado de máquina é aplicado como um enriquecimento a um campo, ele extrai todos os tipos de entidades nesse campo que foram especificados em um modelo baseado em regras do Knowledge Studio. Se o modelo reconhecer tipos de entidade como person, surname e job title eles são reconhecidos em seus documentos e tagged.

Na saída, as informações que são extraídas pelo Machine Learning de enriquecimento na matriz enriched_{field_name}, dentro da matriz entities. Neste exemplo, o campo que é selecionado para enriquecimento é 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, se alguém usa a API para enviar uma consulta Discovery Consulta Idioma para procurar ocorrências do enriquecimento enriched_{field_name}.entities.type:jobtitle, quaisquer passagens que discutam o cargo de uma pessoa são retornadas.

Exemplo de modelo de aprendizado

Neste exemplo, um modelo de aprendizado de Máquina extrai tipos de entidade como person, oranization e date, além de informações sobre relacionamentos entre as entidades. Quando esse modelo de ML é aplicado como um enriquecimento a um campo, ele usa o aprendizado de máquina para entender as nuances linguísticas, o significado e as relações mencionadas no documento.

Na saída, as informações que são extraídas pelo Machine Learning de enriquecimento na matriz enriched_{field_name}, dentro do entities e das matrizes relations. Neste exemplo, o campo que é selecionado para enriquecimento é 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."
        }
      ]
    }
  ]
}

Limites do modelo de aprendizado

O número de modelos de Machine Learning (ML) que você pode criar por instância de serviço depende do seu tipo de plano Discovery.

Para cada modelo de aprendizado de máquina Knowledge Studio, o número máximo de entidades que podem ser detectadas é de 50.

Modelos de regras avançadas

Inclua um modelo de regras avançadas para aplicar um modelo de extração de texto que foi criado e exportada do editor de Regras Avançadas do IBM Watson® Knowledge Studio para a sua coleta.

Seu modelo deve ser criado com a implementação apropriada do Knowledge Studio:

• IBM Cloud Pak for DataIBM Software Hub Você pode adicionar modelos que foram criados e exportados dos seguintes locais:

  • IBM Watson® Knowledge Studio que foi construído com uma implementação IBM Cloud Pak® for Data anterior à liberação 4.5.
  • IBM Watson® Knowledge Studio que está hospedado em IBM Cloud
  • Editor NLP que é construído por contribuidores para o Center for Open-source Data & AI Technologies

• IBM Cloud É possível incluir modelos que foram criados com uma instância do IBM Watson® Knowledge Studio que está hospedada no IBM Cloud apenas.