規則型模型範例

舉例來說，當機器學習模型被應用為一個欄位的豐富化時，它會抽取該欄位中在 Knowledge Studio 基於規則的模型中指定的所有實體類型。 如果模型辨識實體類型 (例如 person、surname 及 job title )，則會在您的文件中辨識它們並加上標籤。

在輸出中，由 entities 陣列內 enriched_{field_name} 陣列中的 Machine Learning 強化所擷取的資訊。 在此範例中，選取用於強化的欄位為 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."
      ]
    }
  ]
}

因此，如果有人 使用 API 提交 Discovery 查詢語言查詢以尋找 enriched_{field_name}.entities.type:jobtitle 強化的出現項目，則會傳回討論人員工作職稱的任何段落。

機器學習模型範例

在此範例中，機器學習模型會擷取實體類型 (例如 person、oranization 和 date) 以及實體之間關係的相關資訊。 當這個 ML 模型被應用為豐富領域時，它會使用機器學習來了解文件中提到的語言細節、意義和關係。

在輸出中，由 entities 及 relations 陣列內 enriched_{field_name} 陣列中的 Machine Learning 強化所擷取的資訊。 在此範例中，選取用於強化的欄位為 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."
        }
      ]
    }
  ]
}

機器學習模型限制

您可以為每個服務實例建立的 Machine Learning (ML) 模型數目取決於您的 Discovery 計劃類型。

對於每一個 Knowledge Studio 機器學習模型，可以偵測到的實體數目上限為 50。

進階規則模型

新增進階規則模型，以將從 IBM Watson® Knowledge Studio 的「進階規則」編輯器建立及匯出的文字擷取模型套用至集合。

您的模型必須使用適當的 Knowledge Studio 部署來建立:

• IBM Cloud Pak for DataIBM Software Hub 您可以新增從下列地方建立和匯出的模型：

  • IBM Watson® Knowledge Studio，使用早於 4.5 版的 IBM Cloud Pak® for Data 部署來建置。
  • IBM Watson® Knowledge Studio，在 IBM Cloud 上管理
  • 由開放程式碼資料與 AI 技術中心貢獻者建置的 NLP 編輯器

• IBM Cloud 您可以新增僅在 IBM Cloud 上管理的 IBM Watson® Knowledge Studio 實例所建立的模型。