Vorgehensweise

Führen Sie die folgenden Schritte aus, um das Machine Learning-Modell in Watson Discovery bereitzustellen:

1. Melden Sie sich als Knowledge Studio-Administrator oder -Projektleiter an und wählen Sie Ihren Arbeitsbereich aus.

2. Wählen Sie Machine Learning-Modell > Versionen aus.

3. Klicken Sie auf Aktuelles Modell exportieren.

   Wenn Sie einen Lite-Plan abonniert haben, ist keine Exportoption verfügbar.

   Das Modell wird als ZIP-Datei gespeichert und Sie werden aufgefordert, die Datei herunterzuladen.

4. Laden Sie die Datei in Ihr lokales System herunter.

5. Importieren Sie das Modell aus der Anwendung Discovery.

Nächste Schritte

Siehe Machine Learning Modelle in der Dokumentation Discovery.

Vorbereitende Schritte

Sie müssen über einen Service Natural Language Understanding verfügen, der als Bereitstellungsziel verwendet werden kann. Außerdem müssen Sie die Namen des IBM Cloud-Bereichs und der Instanz kennen, die dem Service zugeordnet sind. Die Namen des Bereichs und der Instanz können Sie abrufen, indem Sie sich bei IBM Cloud anmelden. Wenn Sie nicht über ein IBM Cloud-Konto verfügen, registrieren Sie sich für eines.

Informationen zu dieser Task

Beim Bereitstellen des Machine Learning-Modells wählen Sie die Modellversion aus, die Sie bereitstellen möchten.

Vorgehensweise

Führen Sie die folgenden Schritte aus, um ein Machine Learning-Modell im Service Natural Language Understanding bereitzustellen:

1. Melden Sie sich als Knowledge Studio-Administrator oder -Projektleiter an und wählen Sie Ihren Arbeitsbereich aus.

2. Wählen Sie Machine Learning-Modell > Versionen aus.

3. Wählen Sie die Version des Modells aus, das Sie bereitstellen möchten.

   Wenn nur eine einzige funktionsfähige Version des Modells vorhanden ist, erstellen Sie einen Snapshot des aktuellen Modells. Dadurch wird das Modell versioniert, d. h. Sie können eine Modellversion bereitstellen und dennoch fortfahren, die aktuelle Version zu verbessern. Die Option zum Bereitstellen wird erst angezeigt, wenn Sie mindestens eine Version erstellt haben.

   Jede Version kann für beliebig viele Serviceinstanzen bereitgestellt werden. Jeder bereitgestellten Instanz einer Modellversion wird eine eindeutige Model-ID zugewiesen, aber sie ist in jeder anderen Hinsicht identisch.

4. Klicken Sie auf Bereitstellen, wählen Sie Natural Language Understanding als Ziel für die Bereitstellung aus und klicken Sie anschließend auf Weiter.

5. Wählen Sie den IBM Cloud-Bereich und die Instanz aus. Wählen Sie eine andere Region aus, falls nötig.

6. Klicken Sie auf Bereitstellen.

7. Der Bereitstellungsprozess kann mehrere Minuten dauern. Um den Status der Bereitstellung zu prüfen, klicken Sie auf Status in der Registerkarte Versionen neben der von Ihnen bereitgestellten Version. Wenn die Bereitstellung des Modells noch nicht abgeschlossen ist, wird der Status 'Publizieren läuft' angezeigt. Wenn die Bereitstellung erfolgreich abgeschlossen ist, wird der Status in 'Verfügbar' geändert. Wenn Probleme aufgetreten sind, wird der Status 'Fehler' angezeigt.

   Notieren Sie die Modell-ID (model_id), sobald sie angezeigt wird. Sie geben diese ID später im Natural Language Understanding-Service an, damit der Service Ihr angepasstes Modell verwenden kann.

Nächste Schritte

Sie können das bereitgestellte Modell in der Natural Language Understanding-Serviceinstanz auflisten, indem Sie die folgende API-Methode aufrufen.

curl --user "apikey:{apikey}" "{url}/v1/models?version=2018-11-16"

Alle bereitgestellten Modelle werden in einem ähnlichen Array wie dem folgenden zurückgegeben:

{
  "models": [
    {
      "workspace_id": "{workspace_id}",
      "version_description": "{version_description}",
      "version": "{version}",
      "status": "available",
      "name": null,
      "model_id": "10:7abc4c2f-5846-3334-b8f7-af5a6fad3398",
      "language": "en",
      "description": null,
      "created": "2018-11-28T17:08:00.000000Z"
    }
  ]
}

Die Elemente {workspace_id}, {version_description} und {version} stimmen mit den Informationen überein, die auf der Seite Versionen in Ihrer Knowledge Studio-Serviceinstanz aufgelistet sind.

Damit das bereitgestellte Modell verwendet wird, müssen Sie die Modell-ID Ihres angepassten Modells im Parameter entities.model eines Aufrufs analyze angeben.

Sie können das Modell mit der Anforderung Natural Language Understanding GET /analyze verwenden, um die folgenden Elemente zu extrahieren:

• Entitäten

  Der folgende Befehl findet die vorhandenen Entitäten in dem Satz, der im Parameter 'text' übergeben wird:

  curl --user "apikey":"{apikey}" "{url}/v1/analyze?version=2018-09-21"
  --request POST
  --header "Content-Type: application/json"
  -d '{"text": "Vehicle 1, a 1995 Honda Civic was traveling north on a two lane
         undivided roadway, negotiating a curve to the left on an upgrade.",
          "features": {
            "entities": {
              "model": "your-model-id-here"
            }
          }
       }'
  

  Der Service gibt ein JSON-Objekt mit den gefundenen Instanzen der Entitätstypen zurück, die in dem angepassten Modell definiert sind:

  {
    "language": "en",
    "entities": [
      {
        "type": "MANUFACTURER",
        "text": "Honda",
        "count": 1
      },
      {
        "type": "MODEL",
        "text": "Civic",
        "count": 1
      },
      {
        "type": "VEHICLE",
        "text": "Vehicle 1",
        "count": 1
      },
      {
        "type": "STRUCTURE",
        "text": "two lane undivided roadway",
        "count": 1
      },
      {
        "type": "STRUCTURE",
        "text": "curve",
        "count": 1
      },
      {
        "type": "MODEL_YEAR",
        "text": "1995",
        "count": 1
      },
      {
        "type": "CONDITION",
        "text": "negotiating",
        "count": 1
      }
    ],
    "language": "en"
  }
  

• relations

  Der folgende Befehl findet die vorhandenen Beziehungen in dem Satz, der im Parameter 'text' übergeben wird:

  curl --user "apikey":"{apikey}" "{url}/v1/analyze?version=2018-09-21"
  --request POST
  --header "Content-Type: application/json"
  -d '{"text": "Vehicle 1, a 1995 Honda Civic was traveling north on a two lane
         undivided roadway, negotiating a curve to the left on an upgrade.",
          "features": {
            "relations": {
              "model": "your-model-id-here"
            }
          }
       }'
  

  Der Service gibt ein JSON-Objekt mit den gefundenen Instanzen der Beziehungstypen zurück, die in dem angepassten Modell definiert sind:

  {
    "relations": [
      {
        "type": "timeOf",
        "sentence": "Vehicle 1, a 1995 Honda Civic was traveling north
         on a two lane undivided roadway, negotiating a curve to
         the left on an upgrade.",
        "score": 0.954254,
        "arguments": [
          {
            "text": "1995",
            "entities": [
              {
                "type": "Date",
                "text": "1995"
              }
            ]
          },
          {
            "text": "Honda Civic",
            "entities": [
              {
                "type": "SportingEvent",
                "text": "Honda Civic"
              }
            ]
          }
        ]
      },
      {
        "type": "locatedAt",
        "sentence": "Vehicle 1, a 1995 Honda Civic was traveling north
         on a two lane undivided roadway, negotiating a curve to
         the left on an upgrade.",
        "score": 0.40592,
        "arguments": [
          {
            "text": "negotiating",
            "entities": [
              {
                "type": "EventMeeting",
                "text": "negotiating"
              }
            ]
          },
          {
            "text": "roadway",
            "entities": [
              {
                "type": "Facility",
                "text": "roadway"
              }
            ]
          }
        ]
      }
    ],
    "language": "en"
  }
  

Weitere Informationen finden Sie in der Dokumentation Natural Language Understanding.

Vorgehensweise

So können Sie die Bereitstellung eines Modells aufheben oder Modell-IDs finden:

1. Starten Sie Knowledge Studio.
2. Wählen Sie im Menü Einstellungen in der rechten oberen Menüleiste die Option Bereitgestellte Modelle verwalten aus.
3. Suchen Sie in der Liste der bereitgestellten Modelle das Modell, das Sie anzeigen oder dessen Bereitstellung Sie aufheben möchten.
4. Um die Bereitstellung des Modells aufzuheben, klicken Sie in der letzten Spalte der betreffenden Zeile auf Modellbereitstellung aufheben.
5. Die Modell-ID finden Sie in der Spalte Modell-ID.

Alternativ können Sie die Bereitstellung der Modelle aus der Seite 'Versionen' für regelbasierte Modelle und Machine Learning-Modelle zurücknehmen.

Vorbereitende Schritte

Wenn Sie Beziehungstypen identifizieren und annotieren möchten, müssen Sie mindestens zwei Beziehungstypen definieren und Instanzen der Beziehung in der Ground Truth annotieren, bevor Sie das Modell exportieren. Wenn nur ein Beziehungstyp definiert und annotiert wird, kann dies zu Problemen in IBM Watson Explorer Version 11.0.1.0 führen.

Informationen zu dieser Task

Nachdem das Machine Learning-Modell zum Erkennen von Entitäten und Beziehungen für ein bestimmtes Fachgebiet trainiert wurde, können Sie es in IBM Watson Explorer wiederverwenden.

Sehen Sie sich ein kurzes Video an, das zeigt, wie Sie ein Modell exportieren und in IBM Watson Explorer verwenden können.

Vorgehensweise

Führen Sie die folgenden Schritte aus, um ein Machine Learning-Modell in IBM Watson Explorer wiederzuverwenden.

1. Melden Sie sich als Knowledge Studio-Administrator oder -Projektleiter an und wählen Sie Ihren Arbeitsbereich aus.

2. Wählen Sie Machine Learning-Modell > Versionen aus.

3. Klicken Sie auf Aktuelles Modell exportieren.

   Wenn Sie einen Lite-Plan abonniert haben, ist keine Exportoption verfügbar.

   Das Modell wird als ZIP-Datei gespeichert und Sie werden aufgefordert, die Datei herunterzuladen.

4. Laden Sie die Datei in Ihr lokales System herunter.

5. Importieren Sie das Modell mit der IBM Watson Explorer-Anwendung.

   Anschließend können Sie das Modell einem Machine Learning-Modell in Watson Explorer Content Analytics zuordnen. Nachdem Sie den Zuordnungsschritt ausgeführt haben, findet das Modell beim Durchsuchen von Dokumenten Instanzen der Entitäten und Beziehungen, die in dem Modell definiert sind. Weitere Informationen über den Import und die Konfiguration des Modells in IBM Watson Explorer finden Sie im technischen Dokument, das die Integration beschreibt: Verwendung von Annotatoren des maschinellen Lernens von Knowledge Studio in Watson Explorer.