Esta documentación es para IBM Watson® Knowledge Studio en IBM Cloud®. Para ver la documentación de la versión anterior de Knowledge Studio en IBM Marketplace, pulse este enlace.
Creación de un espacio de trabajo
El primer paso en la creación de un modelo personalizado es crear un espacio de trabajo.
Acerca de esta tarea
Para cada modelo que desee crear y utilizar, cree un espacio de trabajo único que contenga los artefactos y recursos necesarios para crear el modelo. A continuación, entrene el modelo para producir un modelo personalizado que se pueda desplegar en un servicio externo para su uso.
Antes de crear un espacio de trabajo, responda a estas preguntas:
-
¿Qué tipo de modelo desea crear?
- Modelo de aprendizaje automático: Utiliza un enfoque estadístico para encontrar entidades y relaciones en los documentos. Este tipo de modelo puede adaptarse como la cantidad de crecimientos de datos.
- Modelo basado en reglas: Utiliza un enfoque declarativo para encontrar entidades en documentos. Este tipo de modelo es más previsible, y es más fácil de comprender y mantener. Sin embargo, no aprende de datos nuevos. Solo puede encontrar patrones que se ha enseñado a buscar.
- Modelo de reglas avanzadas: ofrece una mayor capacidad de personalización para el análisis de texto que los modelos basados en reglas. Consulte Creación de un modelo de reglas avanzadas para ver instrucciones.
También puede crear un espacio de trabajo que contenga tanto un modelo basado en reglas como un modelo de aprendizaje automático.
-
¿Qué servicios utilizará el modelo?
Consulte Integración de servicios de Watson para obtener información sobre el resto de los servicios de Watson con el que se pueden utilizar los modelos personalizados.
Procedimiento
Para crear un espacio de trabajo, efectúe los pasos siguientes:
-
Inicie sesión como administrador de Knowledge Studio y pulse Crear espacio de trabajo.
Las personas con el rol de gestor de proyectos pueden realizar casi todas las tareas, excepto crear un espacio de trabajo. Un administrador debe crear el espacio de trabajo inicialmente y asignar gestores de proyectos al mismo.
-
Dé un nombre al espacio de trabajo. Elija un nombre abreviado que refleje el contenido de dominio o el propósito del modelo. Si es necesario, puede cambiar el nombre del espacio de trabajo más adelante.
-
Identifique el idioma de los documentos de su espacio de trabajo. Los documentos que añada al espacio de trabajo, y los diccionarios que cree o cargue, deben estar en el idioma que especifique.
-
Opcional: Si desea cambiar el señalizador que utiliza la aplicación desde el señalizador basado en aprendizaje automático predeterminado, puede expandir la sección Opciones avanzadas y elegir Señalizadores basados en diccionario.
El señalizador predeterminado es más avanzado que el señalizador basado en diccionario; utiliza el aprendizaje automático para identificar las señales de los documentos de origen basadas en el aprendizaje estadístico que ha hecho en el idioma de los documentos de origen. Identifica señales con más precisión porque entiende los patrones de lenguaje más naturales y matizados. El señalizador basado en diccionario identifica señales en función de las reglas del idioma. Consulte Señalizadores para obtener más detalles.
-
Opcional: Si desea añadir gestores de proyectos al espacio de trabajo, expanda la sección Opciones avanzadas y seleccione los nombres de las personas que desee añadir como gestores de proyectos de la lista. El administrador puede añadir o eliminar gestores de proyectos más adelante editando el espacio de trabajo.
Solo se visualizarán los nombres de las personas que haya asignado al rol del gestor de proyectos desde la página Gestión de cuentas de usuario para la instancia. Consulte Ensamblaje de un equipo para obtener más información sobre la adición de usuarios.
Si tiene una suscripción a un plan Lite, omita este paso. No puede añadir otros usuarios, por lo que no puede asignar a nadie al rol de gestor de proyectos. No se necesita un gestor de proyectos independiente. Como administrador, puede realizar todas las tareas que un gestor de proyectos realizaría normalmente.
-
Pulse Crear.
Qué hacer a continuación
Una vez creado el espacio de trabajo, puede empezar a configurar los recursos de espacio de trabajo.
Para cambiar la descripción o el nombre del espacio de trabajo, o para añadir o eliminar los gestores de proyectos más adelante, un administrador puede editar el espacio de trabajo. Desde la página de inicio de Knowledge Studio, pulse el icono Mostrar menú en el mosaico del espacio de trabajo y seleccione la opción de menú Editar.
Conceptos relacionados:
Carga de recursos desde otro espacio de trabajo
Referencia relacionada:
Señalizadores
Un señalizador agrupa caracteres en señales, y señales en frases. Una señal es equivalente en parte a una palabra.
Las acciones que un señalizador debe realizar para identificar las señales de un documento difieren en función del idioma del documento. En inglés, las señales suelen ser equivalentes a las palabras porque se delimitan mediante espacios en blanco en una frase. Sin embargo, no siempre coinciden one-to-one con palabras; otros elementos textuales se consideran señales en algunas situaciones. Por ejemplo, la puntuación al final de una frase se considera una señal, y las contracciones a menudo se expanden en dos señales. En idiomas que no utilizan espacios en blanco, como el chino, se utilizan algoritmos estadísticos más complicados para identificar las señales.
El proceso de señalización es importante porque determina los grupos de caracteres que los usuarios pueden resaltar para anotación en el editor de datos de campo. Las anotaciones de menciones de entidades y de relaciones se alinean generalmente con los límites de señales, y se deben etiquetar dentro de una frase; no pueden abarcar los límites de las frases.
Tipos admitidos
Knowledge Studio da soporte a los siguientes señalizadores:
-
Señalizador basado en aprendizaje automático (valor predeterminado)
Este es un señalizador más avanzado que identifica las señales de los documentos de origen basadas en el aprendizaje estadístico que ha hecho en el idioma de los documentos de origen. Este señalizador encuentra señales que capturan los patrones más naturales y matizados del lenguaje. No puede personalizar este señalizador.
-
Señalizador basado en diccionario
Este señalizador se basa en diccionarios lingüísticos. Encuentra señales que siguen las reglas del idioma del documento de origen. Solo los usuarios avanzados pueden personalizar este señalizador.
Debe seleccionar el señalizador que desea utilizar al crear el espacio de trabajo. No puede cambiar a un señalizador distinto más tarde. Para obtener mejores resultados, utilice el señalizador predeterminado. Solo los usuarios avanzados que deseen modificar el comportamiento del señalizador mediante un mecanismo de diccionario determinista pueden elegir el señalizador basado en diccionario. Podrán entonces personalizarlo añadiendo entradas nuevas al diccionario. Sin embargo, la personalización debe realizarse cuidadosamente porque cuando se añaden palabras nuevas al diccionario, los cambios pueden afectar al modelo de aprendizaje automático de formas no deseadas.
Resumen de entradas, salidas y limitaciones
Diferentes fases de desarrollo de modelos requieren diferentes entradas y producen resultados diferentes.
Para cada etapa del proceso de desarrollo de modelos, esta tabla resume las actividades típicas que realiza, los formatos de archivos de entrada soportados, los resultados que se pueden producir, y cualquier límite de tamaño u otros requisitos.
Todos los tipos de modelos
Tabla 1: Todos los tipos de modelo | Tarea | Uso típico | Formatos de entrada soportados | Formatos de salida soportados | Límites y requisitos | | --- | --- | --- | --- | --- | | Tipo de gestión del sistema | Crear un sistema de tipos o cargar y modificar un sistema de tipos existente. Defina tipos de entidades y tipos de relaciones para su dominio. No puede ver una visualización del sistema de tipos. |
- Archivo JSON que ha descargado desde un espacio de trabajo de Knowledge Studio.
- Archivo ZIP que ha descargado desde la HAT (Human Annotation Tool, herramienta de anotación humana)
- Archivo CSV en formato UTF-8
- ZIP de diccionarios descargados desde otro espacio de trabajo
- Archivo CSV en formato UTF-8
- Archivo CSV en formato UTF-8
- ZIP de diccionarios para utilizar en otro espacio de trabajo
- 1 MB por archivo CSV de entradas de términos
- 16 MB por archivo de diccionario CSV de solo lectura
- 15.000 entradas por diccionario, excepto un diccionario de solo lectura
- 64 diccionarios por espacio de trabajo
Modelo de aprendizaje automático
Tabla 2: Modelo de aprendizaje automático | Tarea | Uso típico | Formatos de entrada soportados | Formatos de salida soportados | Límites y requisitos | | --- | --- | --- | --- | --- | | Gestión de documentos | Cargar un pequeño subconjunto representativo de documentos Cargar documentos que contienen anotaciones añadidas previamente por un anotador humano, un modelo de aprendizaje automático o un motor de análisis UIMA No se puede ingerir todo el corpus de IBM Watson Explorer para calcular documentos de alto valor para la anotación. |
- Archivo CSV en formato UTF-8
- Texto en formato UTF-8
- HTML
- Archivos PDF (no se admiten archivos digitalizados -escaneados- ni protegidos con contraseña)
- Archivos DOC o DOCX de Microsoft Word (no se admiten archivos protegidos por contraseña)
- Archivo ZIP que contiene documentos descargados desde otro espacio de trabajo
- Archivo ZIP que contiene documentos en formato UIMA CAS XMI
- 40.000 caracteres por documento
- 10.000 documentos por espacio de trabajo
- 1.000 conjuntos de documentos (incluidos los conjuntos de anotaciones) por espacio de trabajo
- 5 MB por archivo y 200 MB por subida (archivos TXT, PDF, DOC, DOCX y HTML)
No es posible volver a anotar un corpus desde IBM Watson Explorer. | Documentos en bruto.
Nota: No pre-anote documentos que un anotador humano ya ha anotado, o perderá el trabajo realizado por el anotador humano.| Documentos parcialmente anotados | Ninguno | Documentos parcialmente anotados | Ninguno | Documentos parcialmente anotados | Ninguno | Ninguno | Anotación de documentos | Gestionar la anotación humana. Anotar entidades, relaciones y cadenas de coreferencia para crear la verdad básica | Tarea de anotación | Verdad básica | Anotar entidades, relaciones y cadenas de coreferencia para crear la verdad básica | Tarea de anotación | Verdad básica | Verdad básica
- 256 tareas de planificación activas por espacio de trabajo
- 1 modelo de aprendizaje automático por espacio de trabajo
- 10 versiones de modelo por espacio de trabajo
- El número máximo de espacios de trabajo está determinado por el despliegue.
- El número máximo de acciones de entrenamiento que puede realizar por mes viene determinado por el despliegue.
- Archivo zip
Modelo basado en reglas
Tabla 3: Modelo basado en reglas | Tarea | Uso típico | Formatos de entrada soportados | Formatos de salida soportados | Límites y requisitos | | --- | --- | --- | --- | --- | | Editor de reglas | Crear o cargar documentos en el editor de reglas desde el que definir clases, expresiones regulares y reglas. |
- Texto sin formato (añadido en el editor)
- Archivo CSV en formato UTF-8
- Copiado desde Todos los conjuntos de documentos
- 1 modelo basado en reglas por espacio de trabajo
- 5.000 caracteres por documento
- 100 documentos por espacio de trabajo
- El tamaño máximo del título del documento es de 256 caracteres
- 200 reglas por espacio de trabajo
- 400 clases por espacio de trabajo
- 100 grupos de expresiones regulares por espacio de trabajo
- 100 entradas de expresiones regulares por grupo de expresiones regulares
- 1.000 caracteres por entrada de expresión regular
- 5 versiones de modelo basado en reglas por espacio de trabajo
- Archivo PEAR