標註提示

開始之前，請先檢閱下列提示:

• 您標示的文件集合必須包含一組具代表性的文件。 文件必須具有您要實體擷取程式辨識之實體類型的許多不同範例。 如果您在開始建立實體擷取程式時選取的集合不符合需求，請立即停止並重新開始使用不同的文件集合。
• 定義彼此明顯不同的實體類型。
• 針對每一個實體類型至少標註 40 個範例。
• 標示實體類型的每一個有效範例。 請勿跳過任何出現項目。 若要加速處理程序，請使用大量標籤功能。

標示實體範例

標示文件中代表您所定義實體類型範例的術語。 當您完成一個文件時，請將文件狀態從 進行中 切換至 完成，然後移至下一個文件。

若要標示實體範例，請完成下列步驟:

1. 檢閱文件的文字。 尋找要標示的實體範例。

   下表顯示一些範例。

   實體類型和範例

   實體類型	要在文件中標示的範例
   顏色	白色、綠色、紫色
   汽車	敞篷車，SUV，轎車
   AUTO_MODEL	探險家、思域、索倫託
   自動製造商	福特、本田、起亞
   clothing	襯衫、襯衫、鞋
   儀器	債券，股票，ETF，munis

   如果尚未建立您要識別的實體類型，請新增實體類型。 從「實體類型」畫面中，按一下 建立新的項目。 如需新增實體類型的相關資訊，請參閱 定義實體類型。

2. 首先，從 實體類型 畫面中按一下實體類型。

3. 在文件內文中，選取代表實體範例的單字或詞組。

   即會選取術語，並將顏色標籤套用至該術語。 實體類型名稱的前兩個字元會在標籤界限內以大寫上標顯示。 2 個字元的 ID 和標籤顏色都可協助您將範例與它所代表的實體類型相關聯。

   

   範例文字也會新增至 實體類型 畫面。 如果您按一下箭頭以檢視詳細資料，則可以看到已列出範例。 範例文字會以小寫形式儲存，而不論原始文字中使用的大小寫為何。

4. 如果已啟用大量標示，則會顯示通知，以顯示在現行文件中找到並標示術語的出現次數。

5. 如果您要標示集合中所有文件的術語出現處，請按一下 套用至所有文件。

   當您啟用此選項時，會在集合中的所有文件 (包括您已檢閱並標示為完成的文件) 中標示該術語的出現項目。

   系統會要求您確認動作，因為它無法復原。 如果您不想要在每次選擇將大量標籤套用至所有文件時都必須確認該動作，請選取 不要再次要求確認。 按一下執行。

   

   如需相關資訊，請參閱 大量標註範例。

6. 捲動文件，以標示您要擷取程式辨識之每一個實體類型的每一個有效範例。

   您可以搜尋要標示為實體範例的詞彙。 如需相關資訊，請參閱 使用關鍵字搜尋範例。

   機器學習模型會從您不標示的術語中學習與您所執行的術語一樣多。

   如果您遺漏標註有效範例，則模型會瞭解在該環境定義中使用術語時，它不是實體類型的有效提及項目。 在某些情況下，省略是適當的。 例如，部分術語在不同環境定義中具有不同的意義。 在錯誤的環境定義中使用術語時，您不想要標示該術語。 不過，如果在正確的環境定義中使用該術語，且您未標示它，則會教導模型忽略它。 當訓練資料不一致時，您可以降低模型的有效性。

   在標示許多範例之後，會顯示實體範例建議。 您可以接受或拒絕實體範例建議。

   

   接受範例建議是加速標籤處理程序的另一種方式。 如需相關資訊，請參閱 實體範例建議。 接受建議之後，您可以大量標示術語。

7. 如果您犯錯誤並標示錯誤單字，或大量標示處理程序未正確標示單字，則您可以刪除標籤。

   將滑鼠移至含標籤的單字上，直到顯示 刪除此範例 選項，然後按一下該單字。 您可以選擇只刪除此提及項目或文件中的所有提及項目。 做出選擇，然後按一下 刪除。

8. 在標示現行文件中的所有實體範例之後，請將文件狀態從 進行中 變更為 完成。

   即會顯示集合中的另一個文件。

9. 集合中每一個文件中實體類型的標籤範例。

   在標籤處理程序期間，您隨時可以按一下 儲存實體擷取程式，以儲存您的工作。

10. 如果現行文件集中沒有足夠的範例，您可以新增更多文件。

    從「文件清單」畫面中，按一下 新增文件。 僅當集合中有更多文件可用時，此選項才可用。 您最多可以新增 20 個文件。 如果已啟用所有文件的大量標籤，則標籤會自動套用至新增的文件。

11. 在集合中任意數目的文件中標示範例之後，請按一下 儲存實體擷取程式，然後開啟 訓練擷取程式 頁面。

使用關鍵字搜尋範例

使用搜尋功能，您可以在文件中找到實體範例，並輕鬆地將它們加上標籤。 您也可以使用搜尋來尋找含標籤的範例和未含標籤的範例，並更正任何含標籤的不一致。

如果要使用關鍵字來搜尋，請完成下列步驟:

1. 在「標籤文件」視圖上，按一下 尋找 圖示。

2. 在 尋找 欄位中，指定要在文件中搜尋的關鍵字。

   當您輸入關鍵字時，會顯示文件中的搜尋結果。

   如果要瀏覽搜尋結果，您可以按一下 下一個結果 和 上一個結果 圖示。 若要為結果中未標示的範例選擇標籤，請按一下 編輯標籤 圖示並選取標籤。 您也可以按一下 編輯標籤 圖示，從結果中已標示的範例移除標籤。

3. 若要過濾搜尋結果，請按一下 顯示過濾器選項 圖示。

   下表說明過濾器選項。

   尋找中的過濾選項

   選項	說明
   全部	尋找文件中符合關鍵字的所有範例。
   含標籤的文字	在文件中尋找符合關鍵字的現有含標籤範例。
   未標示的文字	在文件中尋找符合關鍵字且不含標籤的範例。
   符合大小寫	尋找同時符合關鍵字及其大小寫的範例。
   完整單字	尋找符合關鍵字字組界限的範例。 例如，如果您指定 york 作為關鍵字，則當選取此選項時，yorktown 不相符。

對於結果中未標示的範例，您可以接受或拒絕標籤建議。

若要解決任何重疊範例，請按一下 檢閱建議，然後從 重疊實體範例建議 對話框中選擇實體範例建議。

大量標註範例

對於大部分實體範例，啟用大量標籤功能很有用。 如果術語在不同環境定義中具有多個意義，則您可能想要跳過它。 在這種情況下，請個別評估每一個出現項目。 請記住，如果您啟用大量標籤功能，則可以檢查自動新增之標籤的正確性，並在檢閱文件時必要時進行更正。

啟用大量標籤功能之後，會顯示一則通知，指出在現行文件中找到實體範例的出現次數。 從現行頁面中，標籤工具無法存取其他文件，以報告集合中其他文件中存在的出現次數。 不過，提及項目計數會顯示在 實體類型 畫面中。 當您第一次開啟其他文件時，您可以檢查提及項目計數，以查看自動標示的提及項目數目。

大量標籤特性是否遺漏出現項目?

如果詞彙出現在已標示該詞彙的相同詞組中，則不會標示該詞彙的出現項目。 例如，在下列句子中針對術語的第二次出現開啟大量標籤功能時，術語 husband 的第一次出現不會標示。

實體範例建議

在您標示足夠的範例之後，會顯示建議的實體類型範例。 系統會從您標示的範例類型中學習，並套用它所學習的內容，以識別潛在的新範例。 例如，在您將 red、orange、yellow、green 及 blue 標示為 color 實體類型的範例之後，建議範例 畫面可能會顯示 indigo 及 violet 作為建議您標示的範例。 在您標示實體類型的許多範例之前，不會顯示建議。

下列範例顯示針對家庭成員提及項目所提出的建議。

您可能注意到您選擇要大量標註的術語未加上標籤，而是顯示為建議。 在下列情況下會跳過術語:

• 術語可能出現在文件不同區段中的不同名詞詞組中。 例如，術語 father 可能出現在名詞詞組 the kindest *father* 和 to her *father* 中。 當單字包含在具有形容詞的名詞詞組中時，意義會變更。 因此，有時會建議此類術語，而不是自動標示。
• 單字可能是其本身的有效範例，並作為多單字提及項目的一部分。 For example, a mention of IBM might refer to the company International Business Machines, Corp. or might be used as part of a product name, such as IBM Cloud Pak for Data. 不過，單字或詞組只能是一個範例的一部分。 範例標籤不能彼此重疊。 因此，您必須選擇哪個範例建議最精確。 In this example, where the term IBM is used as part of a product name, it is more accurate to label the full phrase as an example of the Product entity type.
• 服務可能會辨識術語是多個實體類型的可能範例。 例如，單字 top 可能表示 最佳 或可能表示 襯衫。

若要進一步調查建議，請按一下它以查看文件內環境定義中的單字。 查看環境定義中的術語可協助您決定出現項目是否為您要標示的有效實體範例。

匯出實體擷取程式的標示資料

您可以從 Discovery匯出實體擷取程式的標示資料。 您可以使用匯出的標籤資料，在 Watson Studio 及「自然語言處理程序 (NLP)」之類的服務上訓練或建置大型語言模型 (LLM)。

若要匯出已標籤的資料，請完成下列步驟：

1. 從「改善及自訂」頁面的「改善工具」畫面中，展開 Tach 網域概念，然後按一下 擷取實體。

2. 對於您要從中匯出含標籤的資料的實體擷取程式，請按一下 動作 圖示，然後選取 下載含標籤的資料。

   下載含標籤資料的壓縮檔。 壓縮檔包含下列 JSON 檔案。

   • labeled_data.json: 包含文字和標籤。 資料格式基於 Watson Natural Language Processing 中實體擷取的輸入資料格式。 如需相關資訊，請參閱 輸入資料格式。
   • metadata.json: 包含工作區及含標籤資料的 meta 資料。

疑難排解訓練問題

瞭解可能的錯誤訊息以及如何處理它們。

訓練資料太大

您的訓練資料包含大型文字文件，或處理資料所需的許多實體類型及資源大於服務實例可用的資源。 即使您的工作區未超出所記載的實體擷取程式限制，也可能會發生此錯誤。 要解決這個問題，您可以嘗試以下其中一種方法：

• 移除一或多個實體類型，以減少訓練資料的大小。
• 從訓練資料中移除額外的大型文件。 例如，如果其中一個標示的文件特別大，請將其狀態從 已完成 變更為 進行中，以從訓練資料中省略該文件。
• 減少訓練集中包含的文件數。 訓練資料的預設分割比例 (70 %-23 %-7%) 使用訓練集中 70% 的文件。 您可以將訓練集中使用的文件百分比變更為較小的數字。 例如，您可以將分割比例變更為 60 %-33 %-7%。
• IBM Cloud Pak for DataIBM Software Hub 透過擴充服務 pod 來增加已部署服務實例的容量。

改善擷取程式

下表顯示一般問題的建議修正程式。

將文件新增至訓練資料

若要新增更多文件，請完成下列步驟：

1. 開啟 標註文件 標籤。

2. 從「文件清單」畫面中，選擇 新增文件。

   如果沒有其他文件可從現行集合新增至實體擷取程式，則會停用此按鈕。 若要將更多文件新增至集合，請跳至集合的「活動」頁面，然後按一下 上傳資料 磚以瀏覽並新增更多檔案。

您無法從集合中選擇要在 文件清單 中顯示的文件以進行標註。 如果您想要標示特定類型的文件，請考量將代表文件新增至可用來建立實體擷取程式的集合。

可以包含在訓練資料中的文件數有限制。 如果您的訓練資料包括具有已標示區段的組合，以及其他未標示區段的組合，則系統可能會從未標示的句子中取樣部分範例。 子取樣有助於平衡用於訓練的正面及負面範例數目。 平衡訓練集中的範例可改善訓練效能。

實體擷取程式輸出

當強化辨識文件中的其中一個自訂實體時，會將項目新增至文件 JSON 表示法的 enriched_text.entities 區段。 該區段包含自訂模型可辨識的實體，以及內建實體強化可辨識的實體。 內建強化使用 Watson NLP 服務來識別屬於它所稱 Natural Language Understanding 類型系統的實體。 如需內建實體強化的相關資訊，請參閱 實體。

下列 JSON 輸出由名為 literature 的自訂模型產生，可辨識系列成員提及項目。

監視一段時間內的效能

您可以隨時重新訓練實體擷取程式模型。 每次訓練模型時，請檢閱效能指標評分，以判定您最近的變更是增加還是減少模型的評分。

1. 如果要比較一項測試執行與另一項測試執行，請按一下 檢視評分歷程。

   歷程視圖會顯示最後 5 個訓練執行。

   若要保留評分資訊超過最近 5 個訓練執行的時間，您可以以逗點區隔值格式匯出度量值，並在個別應用程式中追蹤評分。 按一下表狀表示法圖示 ，然後按一下 下載為 CSV。

如果後續訓練執行導致較低的評分，請不要發佈該版本的模型。