Diese Dokumentation bezieht sich auf IBM Watson® Knowledge Studio on IBM Cloud®. Die Dokumentation für die Vorgängerversion von Knowledge Studio on IBM Marketplace kann über diesen Link aufgerufen werden.

Workflow für die Erstellung eines Machine Learning-Modells

Erstellen Sie ein Machine Learning-Modell, um ein Modell zu trainieren, mit dem Sie relevante Entitäten, Koreferenzen und Beziehungen in neuen Dokumenten identifizieren können.

Machen Sie sich mit dem typischen Workflow zum Erstellen eines Machine Learning-Modells in Knowledge Studio vertraut.

Alle zugehörigen Schritte werden vom Projektleiter ausgeführt, ausgenommen der Schritt Dokumente annotieren, der vom Annotatorbenutzer ausgeführt wird. Da Annotatorbenutzer häufig Fachleute sind, können Sie auch in die Erstellung der Arbeitsbereichsressourcen (z. B. des Typsystems) einbezogen werden.

Der Workflow für die Entwicklung eines Modells für maschinelles Lernen Abbildung 1. Workflow für die Entwicklung eines Modells für maschinelles Lernen

Schritte zum Erstellen oder Optimieren eines Modells

Schritt Beschreibung
-Arbeitsbereich erstellen Siehe Arbeitsbereich erstellen. Ein Arbeitsbereich enthält die Ressourcen, die zum Erstellen des Modells verwendet werden, einschließlich:

-Typsystem: Laden Sie das Typsystem hoch oder erstellen Sie es und definieren Sie die Entitätstypen und Beziehungstypen, die Annotatorbenutzer beim Annotieren von Text anwenden können. Der Prozessmanager für Modelle definiert das Typsystem in der Regel zusammen mit Fachleuten des jeweiligen Fachgebiets. Siehe Typsystem einrichten

** - Quellendokumente:. Erstellen Sie einen Korpus, indem Sie Beispieldokumente, die für Ihren Domäneninhalt repräsentativ sind, in den Arbeitsbereich hochladen. Siehe Dokumente zum Annotieren hinzufügen. Teilen Sie den Korpus in Dokumentgruppen auf, legen Sie den Prozentsatz der Dokumente fest, die von allen Dokumentgruppen gemeinsam genutzt werden, und ordnen Sie die Dokumentgruppen Annotatorbenutzern zu.

 - Wörterbücher:** Laden Sie Wörterbücher zum Annotieren von Text hoch oder erstellen Sie Wörterbücher. Sie können Einträge
für Wörterverzeichnisse entweder manuell hinzufügen oder aus einer Datei hochladen und anschließend bearbeiten. Siehe Wörterverzeichnisse erstellen.
Optional: Dokumente vorannotieren Vorannotieren Sie Dokumente entsprechend den Begriffen in den Arbeitsbereichswörterbücher oder auf der Basis von Regeln, die Sie definieren. Siehe Annotationsprozess beschleunigen.
Dokumente annotieren
  1. Administratoren und Projektleiter können Dokumente direkt annotieren, ohne Annotationstasks zu erstellen oder den Beurteilungsprozess zu durchlaufen. Details hierzu finden Sie im Abschnitt Dokumentgruppen direkt annotieren.
  2. Der Projektleiter ordnet in der Regel Annotationstasks für Annotatorbenutzer zu, konfiguriert den Schwellenwerte für die Übereinstimmung der Annotatoren und legt Annotationsrichtlinien fest, die von den Annotatorbenutzern einzuhalten sind. Siehe Annotationstask erstellen.
  3. Die Annotatorbenutzer verwenden den Ground Truth-Editor, um Dokumente
zu annotieren. Ein Annotatorbenutzer identifiziert relevante Erwähnungen in Ihren fachspezifischen Inhalten und
kennzeichnet (beschriftet) sie mit Entitätstypen. Außerdem identifiziert der Annotatorbenutzer Beziehungen
zwischen Erwähnungen (z. B. 'Mary ist beschäftigt bei IBM') und Koreferenzen der Erwähnungen, die auf dieselbe
Entität verweisen (z. B. ein Vorkommen des Pronomens 'sie', das auf Mary verweist). Siehe Dokumente annotieren.
Dokumente beurteilen und umstufen Die von Annotatorbenutzern generierte Ground Truth akzeptieren oder ablehnen und
die Abweichungen zwischen Annotationen beurteilen, um Konflikte zu beheben. Das Bewerten der Richtigkeit und Konsistenz der
von Annotatorbenutzern erstellten Annotationen sollte gegebenenfalls durch einen leitenden (besonders erfahrenen) Annotatorbenutzer erfolgen oder durch
einen Benutzer, der über mehr Fachwissen verfügt als der Projektleiter. Siehe Beurteilung.
Modell trainieren Erstellen Sie das Machine Learning-Modell. Siehe Machine Learning-Modell erstellen.
Modell auswerten Evaluieren Sie die Genauigkeit des Modells. Siehe Vom Modell hinzugefügte Annotationen auswerten. Je nach Modellgenauigkeit müssen nach diesem Schritt möglicherweise
vorherige Schritte mehrfach wiederholt werden, bis die optimale Genauigkeit erreicht ist. Hinweise zum Umfang und Inhalt der Aktualisierung finden Sie unter Leistung des Machine Learning-Modells analysieren.
Modell publizieren Exportieren Sie das Modell. Siehe Machine Learning-Modell verwenden.