Produktinfo
Verwenden Sie IBM Watson® Knowledge Studio, um ein Machine Learning-Modell zu erstellen, das die sprachlichen Nuancen, die Bedeutung und die Beziehungen versteht, die für Ihr Fachgebiet spezifisch sind, oder ein regelbasiertes Modell, das Entitäten in Dokumenten auf der Basis von Regeln findet, die Sie definieren.
Angepasste Entitäten und Beziehungen ermitteln
Ein Arbeitsbereich für Entitäten und Beziehungen ermöglicht Ihnen das Erstellen eines eigenen Entitätstypsystems und das Trainieren eines angepassten Modells zum Erkennen angepasster Entitäten im Text. Bei Machine Learning-Modellen können Sie außerdem angepasste Beziehungstypen definieren und das Modell so trainieren, dass verwandte Entitäten erkannt werden. Dies soll anhand des folgenden Beispielsatzes veranschaulicht werden.
ABC Motors has received great reviews for its new 2020 Lightning.
Ein angepasstes Modell für Entitäten und Beziehungen kann so trainiert werden, dass "2020 Lightning" als Entität des Typs Vehicle (Fahrzeug) und "ABC Motors" als Entität des Typs Manufacturer (Hersteller)
erkannt wird. Das Modell kann auch so trainiert werden, dass zwischen diesen beiden Entitäten die Beziehung isManufacturedBy (hergestellt von) erkannt wird.
Machine Learning-Modell erstellen
Knowledge Studio stellt benutzerfreundliche Tools zum Annotieren unstrukturierter Fachliteratur bereit und verwendet diese Annotationen, um ein angepasstes Machine Learning-Modell zu erstellen, das die Sprache des Fachgebiets versteht. Die Genauigkeit des Modells wird durch iterative Tests verbessert. Das Ziel dieses Prozesses ist ein Algorithmus, der aus den erfassten Mustern lernen und diese Muster in umfangreichen neuen Dokumentsammlungen erkennen kann. Sie können das fertige Machine Learning-Modell auf andere cloudbasierte Watson-Angebote und kognitive Lösungen anwenden, um Erwähnungen von Beziehungen und Entitäten sowie Koreferenzen für Entitäten zu finden und zu extrahieren.
Abbildung 1. Überblick über den Prozess zur Erstellung eines Modells für maschinelles Lernen
- Das Projektteam erstellt auf der Basis einer Gruppe fachspezifischer Quellendokumente ein Typsystem zum Definieren von Entitätstypen und Beziehungstypen für die Informationen, die für die Anwendung relevant sind, von der das Modell verwendet wird.
- Eine Gruppe von mindestens zwei Annotatorbenutzern annotiert eine kleine Gruppe von Quellendokumenten, um Wörter zu markieren, die Entitätstypen repräsentieren. Alle Inkonsistenzen in den Annotationen werden behoben und eine Gruppe präzise und zutreffend annotierter Dokumente bildet die Ground Truth.
- Knowledge Studio verwendet die Ground Truth, um ein Modell zu trainieren.
- Das trainierte Modell wird verwendet, um Entitäten, Beziehungen und Koreferenzen in neuen, bislang unbekannten Dokumenten zu finden.
Details hierzu finden Sie unter Machine Learning-Modell erstellen.
Regelbasiertes Modell erstellen
Knowledge Studio stellt einen Regeleditor bereit, der den Prozess zum Finden und Erfassen häufig wiederkehrender Muster durch Regeln vereinfacht. Anschließend können Sie ein Modell erstellen, das die Regelmuster erkennt, und das Modell für die Verwendung in anderen Services bereitstellen.
Details hierzu finden Sie unter Regelbasiertes Modell erstellen.
Text mit erweiterten Regeln analysieren
Bei dem Feature für erweiterte Regeln handelt es sich um eine Betaversion. Das Feature befindet sich in einer Testphase der Entwicklung und ist nicht für die Verwendung in Produktionsumgebungen vorgesehen.
Mit dem visuellen Editor für erweiterte Regeln können Sie Textextraktoren mit einem tiefer gehenden Anpassungspotenzial erstellen, als es im Regeleditor für Entitäten und Beziehungen möglich wäre. Es werden eine Reihe von Beispielextraktoren, wie Extraktoren für Finanzaktionen und für Wortarten, bereitgestellt. Sie können sie bearbeiten und kombinieren, um Ihr eigenes erweitertes Regelmodell zu erstellen. Sie können Dokumente direkt im Editor analysieren oder Sie können Ihr Modell zur Verwendung mit anderen Services wie Natural Language Understanding exportierten.
Eine Einführung hierzu finden Sie im Abschnitt Modell mit erweiterten Regeln erstellen.
Angepasste Kategorien ermitteln
Die Funktion für angepasste Kategorien ist eine experimentelle Funktion. Die Funktion kann nach Ankündigung kurzfristig eingestellt werden. Sie ist nicht für die Verwendung von angepassten Kategorien in Produktionsumgebungen vorgesehen.
In einem Arbeitsbereich für Kategorien können Sie eine Hierarchie angepasster Inhaltskategorien definieren und relevante Schlüsselausdrücke angeben, die der Service zum Kategorisieren von Textinhalten nutzen kann. Sie können ein Modell für angepasste Kategorien bereitstellen, die anstelle der von Natural Language Understanding und Discovery bereitgestellten Standardkategorien verwendet werden werden sollen.
Integration von Watson-Services
Fachspezifische Artefakte und Modelle in IBM Watson® Knowledge Studio und in anderen Watson-Services gemeinsam nutzen
Führen Sie mit Knowledge Studio die folgenden Tasks aus:
- Beschleunigen Sie den Annotationsprozess mit dem Natural Language Understanding-Service, um Entitäten in Ihren Dokumenten automatisch zu finden und zu annotieren. Wenn die Annotatorbenutzer mit ihrer Arbeit beginnen, können Sie Annotationen überprüfen und ergänzen, die vorab von dem Service hinzugefügt wurden. Details hierzu finden sie im Abschnitt Dokumente mit Natural Language Understanding vorannotieren.
- Laden Sie analysierte Dokumente hoch, die im UIMA CAS XMI-Format vorliegen. Sie können beispielsweise UIMA CAS XMI-Dateien hochladen, die aus Inhaltsanalysesammlungen von IBM Watson Explorer oder aus IBM Watson Explorer Content Analytics Studio exportiert wurden.
- Stellen Sie ein Machine Learning-Modell oder ein regelbasiertes Modell zur Verwendung mit dem Watson Discovery-Service bereit.
- Stellen Sie ein Machine Learning-Modell oder ein regelbasiertes Modell zur Verwendung mit dem Natural Language Understanding-Service bereit.
- Exportieren Sie ein Machine Learning-Modell für die Verwendung in IBM Watson Explorer.
- Exportieren Sie ein PEAR-Datei für ein regelbasiertes Modell für die Verwendung in IBM Watson Explorer.
HIPAA-Unterstützung
Die Unterstützung für den US Health Insurance Portability and Accountability Act (HIPAA) ist für Premium-Pläne am Standort Washington, DC verfügbar, die ab dem 1. April 2019 erstellt wurden. Weitere Informationen finden Sie unter Unterstützte Einstellungen für EU und HIPAA aktivieren .