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.

Anotación de arranque

Simplifique el trabajo del anotador humano preanotando los documentos en un espacio de trabajo. Un preanotador es un modelo basado en reglas de diccionario de Knowledge Studio, o un modelo de aprendizaje automático que puede ejecutar para buscar y anotar menciones automáticamente.

La preanotación hace que el trabajo de los anotadores humanos sea más fácil porque cubre las anotaciones sencillas, y hace que el trabajo de anotar los documentos esté en curso.

El método que se utiliza para preanotar documentos no restringe de ninguna forma las maneras en que se puede utilizar el modelo de resultado. Por ejemplo, solo porque utiliza el servicio Natural Language Understanding para preanotar documentos no significa que deba desplegar el modelo de aprendizaje automático final que haya creado en el servicio Natural Language Understanding.

Métodos de preanotación

Están disponibles los siguientes preanotadores:

  • Natural Language Understanding

    Un preanotador que puede utilizar para buscar menciones de entidades en los documentos automáticamente. Si los documentos de origen tienen materias de conocimiento general, este preanotador es una buena opción para usted. Si está trabajando con documentos muy especializados que se centran en un campo específico, como por ejemplo la investigación de la ley de patentes, por ejemplo, el preanotador de diccionarios o el modelo basado en reglas podría ser una mejor opción.

  • Diccionario

    Utiliza un diccionario de términos que proporcione y asocie con un tipo de entidad para buscar menciones de tal tipo de entidad en los documentos. Esta opción es mejor para los campos con terminología exclusiva o especializada porque este preanotador no analiza el contexto en el que se utiliza el término de la forma en que lo hace un preanotador de aprendizaje automático; en su lugar, se basa en el término que sea lo suficientemente distinto como para tener un significado descifrable independientemente del contexto en el que se utilice. Por ejemplo, es más fácil reconocer amianto como un tipo de entidad mineral que determinar el tipo de entidad de squash, que puede referirse a un vegetal, un deporte, o un verbo que significa aplastar algo.

    Los preanotadores de diccionario no reconocen subtipos de entidad. Los anotadores humanos pueden especificar subtipos de entidad para cada mención preanotada trabajando en una tarea de anotación con el documento preanotado.

  • Aprendizaje de máquina

    Utiliza un modelo de aprendizaje automático para anotar documentos automáticamente. Esta opción solo está disponible si ha creado un modelo de aprendizaje automático con Knowledge Studio ya. Si añade un conjunto de documentos, puede ejecutar el anotador de aprendizaje automático que ha creado previamente para preanotar los documentos nuevos. Si el nuevo conjunto de documentos se parece a los documentos utilizados para entrenar el anotador de aprendizaje automático originalmente, esta es probablemente su mejor opción para la preanotación.

  • Regla

    Utiliza un modelo basado en reglas para anotar documentos automáticamente. Esta opción solo está disponible si ha creado un modelo basado en reglas con Knowledge Studio ya. Si los documentos contienen patrones comunes de señales desde las que pueda derivar significado, este modelo puede ser una buena opción. Puede incorporar algunas de las funciones del preanotador de diccionarios si lo habilita, identificando los tipos de clases para los términos del diccionario que también busca en los documentos.

Como alternativa, puede cargar documentos ya anotados, y utilizarlos para empezar el entrenamiento del modelo de aprendizaje automático. No puede ejecutar un preanotador en documentos anotados que cargue o las anotaciones existentes se eliminarán de los documentos y se sustituirán por anotaciones producidas solo por el preanotador.

Ejecución de varios preanotadores

Knowledge Studio le permite ejecutar varios preanotadores a la vez. En primer lugar, debe preparar los métodos de preanotación que desea utilizar. Para obtener más información, consulte las secciones siguientes:

Configuración del orden de preanotadores

Cuando se utilizan varios preanotadores, la primera anotación realizada en un intervalo de texto se guarda para los resultados, incluso si otros preanotadores intentan anotar el mismo intervalo de texto más adelante en el orden. Esto no se aplica a las anotaciones humanas, que se conservan independientemente del orden de preanotación.

Por ejemplo, supongamos que tenemos el texto de ejemplo IBM Watson. Si un diccionario que es el primero de las etiquetas de orden IBM como tipo de entidad Organization, un modelo de aprendizaje automático que es segundo en el orden no puede anotar IBM Watson como un tipo de entidad Software Brand porque esto alteraría la anotación anterior realizada en IBM.

Puede ver el orden actual de los preanotadores en la columna Orden en la página Modelo de aprendizaje automático > Preanotación. Para cambiar el orden, siga los pasos siguientes.

  1. Pulse Valores de orden.
  2. Pulse los botones flecha ** Subir y Bajar para mover los métodos de preanotación más atrás o más adelante en el orden.
  3. Pulse Guardar.
  4. Efectúe una doble comprobación de la columna Orden en la página Preanotación para asegurarse de que coincide con el orden que desea.

Ejecución de preanotadores

  1. Una vez que los métodos de preanotación estén preparados y haya configurado el orden de los preanotadores, pulse Ejecutar preanotadores.
  2. Seleccione los preanotadores que desea utilizar y luego pulse Siguiente.
  3. Si desea borrar las anotaciones existentes realizadas por preanotadores antes de ejecutar el preanotador, seleccione Borrar resultados anteriores previos a la anotación. Las anotaciones humanas se conservan incluso si esta opción está seleccionada.
  4. Seleccione los conjuntos de documentos que desee preanotar.
  5. Pulse Ejecutar.

Preanotación de documentos con Natural Language Understanding

Puede utilizar el servicio Natural Language Understanding para preanotar documentos añadidos al corpus.

Antes de empezar

Determine si es probable que el preanotador de Natural Language Understanding añada un valor para el caso de uso. Revise la lista de tipos y subtipos de entidades de servicio de Natural Language Understanding soportados para determinar si hay un solapamiento natural entre estos y los tipos del sistema de tipos. Si es así, continúe con este procedimiento. Si no lo es, elija un preanotador distinto para utilizar.

Acerca de esta tarea

Natural Language Understanding es un servicio que ofrece análisis de texto mediante procesamiento del lenguaje natural. Cuando utilice el preanotador de Natural Language Understanding, se llama al servicio Natural Language Understanding para buscar y anotar entidades en los documentos.

Debe especificar los tipos de entidades que desea que busque el servicio correlacionando los tipos de entidades de Natural Language Understanding con los tipos de entidades de Knowledge Studio correspondientes que haya añadido al sistema de tipos de Knowledge Studio. Solo se buscarán y anotarán las menciones de los tipos de entidades que se correlacionen.

Procedimiento

Para utilizar el servicio Natural Language Understanding para preanotar documentos, siga estos pasos:

  1. Inicie sesión como administrador de Knowledge Studio y seleccione el espacio de trabajo.

  2. Vaya a la página Modelo de aprendizaje automático > Preanotaciones.

  3. Pulse el botón de menú de desbordamiento de la fila de Natural Language Understanding y luego pulse Correlacionar tipos de entidades.

    • La lista desplegable de los tipos de entidades de Natural Language Understanding se prerrellena con tipos de entidades reconocidos por el servicio Natural Language Understanding.
    • Debe correlacionar al menos un tipo de entidad.
    • No puede correlacionar un tipo de entidad de Natural Language Understanding con un rol de entidad de Knowledge Studio, solo con tipos de entidades de Knowledge Studio.
    • Puede correlacionar más de un tipo de entidad de Natural Language Understanding con un tipo de entidad de Knowledge Studio único, o al revés. Por ejemplo, se permiten las siguientes correlaciones:

    Tabla 1. Correlación de ejemplo de tipos de entidad | Tipo de entidad Watson Knowledge Studio | Tipo de entidad Natural Language Understanding | | --- | --- | | INGENIERO

    CIENTÍFICO | Persona | | UBICACIÓN | Ciudad

    País |

  4. Después de correlacionar todos los tipos de entidades que desee aplicar, vaya a la página Modelo de aprendizaje automático > Preanotación. Pulse Ejecutar preanotadores.

  5. Seleccione Natural Language Understanding y pulse Siguiente.

    El anotador Natural Language Understanding no está disponible hasta que se correlaciona al menos un tipo de entidad.

  6. para ejecutar el preanotador, seleccione Borrar los resultados anteriores de preanotación. Las anotaciones humanas se conservan incluso si esta opción está seleccionada.

  7. Marque el recuadro de selección para cada conjunto de documentos que desee preanotar.

    Si está ejecutando este preanotador por primera vez, valide en primer lugar que el preanotador pueda buscar menciones de las entidades correlacionadas como se esperaba. Cree un conjunto de documentos que contenga un documento o documentos representativos de cada origen de datos distinto.

  8. Pulse Ejecutar.

    Si está realizando una comprobación de validación del preanotador, abra los documentos anotados y revise las anotaciones que se han añadido. Asegúrese de que se haya creado un número suficiente de anotaciones precisas. Si las anotaciones son precisas, podrá ejecutar el anotador de nuevo en más conjuntos de documentos más grandes. Si las anotaciones no son precisas, considere la posibilidad de correlacionar tipos de entidades de Natural Language Understanding distintos para sus tipos. Si los tipos no se solapan naturalmente, entonces el preanotador de Natural Language Understanding no es el mejor preanotador para su uso.

    La preanotación se aplica a documentos individuales sin importar los distintos conjuntos de documentos a los que puede pertenecer un documento. Un documento que se solape entre un conjunto de documentos seleccionado y un conjunto de documentos no seleccionado se preanotará en ambos conjuntos de documentos.

Resultados

Los datos de campo producidos por documentos preanotados por el servicio Natural Language Understanding no se pueden utilizar directamente fuera de Knowledge Studio. Puede descargar los datos de campo (en formato no legible) para moverlos de un espacio de trabajo de Knowledge Studio a otro. Y puede seguir desarrollando los datos de campo y utilizarlos para crear un modelo de aprendizaje automático o un modelo basado en reglas que puede desplegarse para utilizarlo en servicios fuera de Knowledge Studio.

Los documentos preanotados con Natural Language Understanding están ocultos en un formato no legible al descargarse. Pero todas las anotaciones de estos documentos están ocultas, incluidas las anotaciones añadidas a los documentos mediante anotadores humanos.

Información relacionada:

Natural Language Understanding

Preanotación de documentos con un diccionario

Para ayudar a los anotadores humanos a empezar con sus tareas de anotación, puede crear un diccionario y utilizarlo para preanotar documentos que añada al corpus.

Acerca de esta tarea

Cuando un anotador humano empiece a trabajar en documentos que fueron preanotados, es probable que un número de menciones ya estén marcadas por tipos de entidades basados en las entradas del diccionario. El anotador humano puede cambiar o eliminar los tipos de entidades preanotados y asignar tipos de entidades a menciones no anotadas. La preanotación que realice un diccionario no anota relaciones, correferencias. Las relaciones y las correferencias deben anotarlas los anotadores humanos.

En esta tarea se muestra cómo crear un diccionario que se puede editar. Si desea cargar y preanotar los documentos con un diccionario de solo lectura, pulse el icono Menú situado junto al botón Crear diccionario y seleccione Cargar diccionario.

Procedimiento

Para crear un diccionario editable y preanotar documentos, siga estos pasos:

  1. Inicie sesión como administrador de Knowledge Studio y seleccione el espacio de trabajo.

  2. Seleccione la página Activos > Diccionarios.

  3. Pulse Crear diccionario, especifique un nombre y, a continuación, pulse Guardar.

  4. Desde la lista Tipo de entidad, seleccione un tipo de entidad para asociar con el diccionario.

    También puede asociar un tipo de entidad con el diccionario desde la página Modelo de aprendizaje automático > Preanotación. Pulse el botón del menú de desbordamiento en la fila Diccionarios de la página y pulse Correlacionar tipos de entidad.

  5. Añada entradas para el diccionario o cargue un archivo que contenga términos del diccionario.

  6. Vaya a la página Modelo de aprendizaje automático > Preanotaciones.

  7. Pulse Ejecutar preanotadores.

  8. Seleccione Diccionarios y, a continuación, pulse Siguiente.

  9. Si desea borrar las anotaciones existentes realizadas por preanotadores antes de ejecutar el preanotador, seleccione Borrar resultados anteriores previos a la anotación. Las anotaciones humanas se conservan incluso si esta opción está seleccionada.

  10. Marque el recuadro de selección para cada conjunto de documentos que desee preanotar y pulse Ejecutar.

    La preanotación se aplica a documentos individuales sin importar los distintos conjuntos de documentos o conjuntos de anotaciones a los que puede pertenecer un documento. Un documento que se solape entre un conjunto de documentos seleccionado y un conjunto de documentos no seleccionado se preanotará en ambos conjuntos de documentos.

Información relacionada:

Preanotación de documentos con el modelo de aprendizaje automático

Puede utilizar un modelo de aprendizaje automático existente para preanotar documentos que añada al corpus.

Acerca de esta tarea

Una vez que se anoten de 10 a 30 documentos, se puede entrenar un modelo de aprendizaje automático en los datos. No utilice este tipo de modelo mínimamente entrenado en producción. No obstante, puede utilizar el modelo para preanotar documentos para ayudar a acelerar la anotación humana de documentos posteriores. Por ejemplo, si añade documentos al corpus después de entrenar un modelo de aprendizaje automático, puede utilizar el modelo para preanotar los nuevos conjuntos de documentos. No ejecute nunca un preanotador en los mismos documentos que haya anotado una persona. Los preanotadores eliminan la anotación humana.

Procedimiento

Para utilizar un modelo de aprendizaje automático existente para preanotar documentos:

  1. Inicie sesión como administrador de Knowledge Studio y seleccione el espacio de trabajo.

  2. Vaya a la página Modelo de aprendizaje automático > Preanotaciones.

  3. Pulse Ejecutar preanotadores.

  4. Seleccione Modelo de aprendizaje automático y, a continuación, pulse Siguiente.

  5. Si desea borrar las anotaciones existentes realizadas por preanotadores antes de ejecutar el preanotador, seleccione Borrar resultados anteriores previos a la anotación. Las anotaciones humanas se conservan incluso si esta opción está seleccionada.

  6. Marque el recuadro de selección para cada conjunto de documentos que desee preanotar y pulse Ejecutar.

    La preanotación se aplica a documentos individuales sin importar los distintos conjuntos de documentos o conjuntos de anotaciones a los que puede pertenecer un documento. Un documento que se solape entre un conjunto de documentos seleccionado y un conjunto de documentos no seleccionado se preanotará en ambos conjuntos de documentos.

Preanotación de documentos con el modelo basado en reglas

El editor de normas finalizará el 30 de junio de 2025. Consulte las notas de la versión para obtener más información.

Puede utilizar un modelo basado en reglas existente para preanotar documentos que añada al corpus.

Procedimiento

Para utilizar el modelo basado en reglas para preanotar documentos, siga estos pasos:

  1. Inicie sesión como administrador de Knowledge Studio y seleccione el espacio de trabajo.

  2. Vaya a la página Modelo de aprendizaje automático > Preanotaciones.

  3. Pulse el botón del menú de desbordamiento en la fila Modelo basado en reglas de la página y pulse Correlacionar tipos de entidad y clase para correlacionar los tipos de entidad que ha definido en el sistema de tipo Knowledge Studio con una o varias clases de modelo basado en reglas.

    También puede abrir la página de correlación seleccionando el Modelo basado en reglas > Versiones > Modelo basado en reglas.

  4. Pulse Editar para cada tipo de entidad que desee correlacionar.

    • La lista desplegable de la columna Nombre de clase se prerrellena con clases asociadas con el modelo basado en reglas.
    • Debe correlacionar al menos un tipo de entidad con una clase.

  5. En la página Modelo de aprendizaje automático > Preanotación, pulse Ejecutar preanotadores.

    La opción Modelo basado en reglas no estará disponible hasta que correlacione al menos un tipo de entidad con una clase.

  6. Si desea borrar las anotaciones existentes realizadas por preanotadores antes de ejecutar el preanotador, seleccione Borrar resultados anteriores previos a la anotación. Las anotaciones humanas se conservan incluso si esta opción está seleccionada.

  7. Seleccione los conjuntos de documentos o conjuntos de anotaciones que desee preanotar.

  8. Pulse Ejecutar.

    La preanotación se aplica a documentos individuales sin importar los distintos conjuntos de documentos a los que puede pertenecer un documento. Un documento que se solape entre un conjunto de documentos seleccionado y un documento no seleccionado aparecerá preanotado en ambos conjuntos de documentos.

Carga de documentos preanotados

Puede iniciar rápidamente el entrenamiento del modelo cargando documentos que fueron preanotados mediante un motor de análisis UIMA (Unstructured Information Management Architecture).

Los documentos preanotados deben estar en el formato de serialización XMI de UIMA CAS XMI (UIMA Common Analysis Structure). El archivo .zip que cargue debe incluir el archivo descriptor de UIMA TypeSystem y un archivo que correlacione los tipos de UIMA a tipos de entidades en el sistema de tipos de Knowledge Studio.

UIMA CAS XMI es un formato estándar de Apache UIMA. Se proporcionan directrices sobre cómo crear archivos en el formato correcto de recopilaciones analizadas en IBM Watson Explorer. Si utiliza otra implementación de Apache UIMA, adapte estas directrices para sus propósitos. Independientemente de cómo se creen los archivos XMI, los requisitos para crear el archivo de correlación del sistema de tipos y el archivo .zip son las mismas para todos.

Si asigna los documentos importados a los anotadores humanos, los documentos aparecerán preanotados en el editor de datos de campo y es posible que ya esté anotado un número de menciones. El anotador humano así tendrá más tiempo para centrarse en aplicar las directrices de anotación a menciones no marcadas. Como alternativa, puede omitir el paso de anotación humana y utilizar los documentos previamente anotados para iniciar inmediatamente el entrenamiento y evaluar un modelo de aprendizaje automático.

Exportación de documentos analizados desde Watson Explorer Content Analytics

Puede exportar documentos que fueron rastreados y analizados en IBM Watson Explorer Content Analytics, y cargar los documentos analizados como archivos XMI en un espacio de trabajo de Knowledge Studio.

Procedimiento

Para obtener documentos analizados desde una recopilación de Watson Explorer Content Analytics, siga estos pasos:

  1. Abra la consola de administración de Content Analytics en un navegador web.

  2. En la vista Recopilaciones, expanda la recopilación desde la que desee exportar documentos. En el panel Análisis e índice, asegúrese de que se esté ejecutando el proceso de análisis y de índice, y luego pulse el icono de flecha para Exportar contenido y metadatos de documentos analizados.

  3. En el área Opciones de exportación de documentos analizados, seleccione Exportar documentos como archivos XML, marque el recuadro de selección Habilitar la exportación de formato CAS como XMI, especifique la vía de acceso de resultados para dónde se escribirán los datos exportados, y pulse Aceptar.

  4. Detenga y reinicie los servicios de análisis e índice para la recopilación, y luego realice uno de los pasos siguientes:

    • Si la recopilación ya contiene documentos indexados que desea utilizar para entrenar el modelo de aprendizaje automático en la memoria caché de documentos, reinicie una compilación de índice completa.
    • Si la recopilación no contiene documentos indexados que desee utilizar para entrenar el modelo de aprendizaje automático, cargue documentos, configure al menos un rastreador para que rastree los documentos, e inicie el rastreador.

  5. En el área Exportar, compruebe el estado de la solicitud de exportación. El progreso indica cuántos documentos se han exportado.

  6. Vaya a la carpeta de salida que haya especificado al configurar las opciones de exportación. Cuando los documentos se exporten como archivos XML, el nombre de la carpeta de salida se basará en la indicación de fecha y hora en que se produzca la exportación. La carpeta de salida contiene archivos XMI (*.xmi) y el archivo de descriptor de UIMA TypeSystem (exported_typesystem.xml).

Qué hacer a continuación

Debe definir una correlación entre los tipos de UIMA y los tipos de entidades de Knowledge Studio. También debe crear un archivo .zip que contenga todos los archivos necesarios para cargar los datos analizados en un espacio de trabajo de Knowledge Studio.

Información relacionada:

Exportación de una recopilación analizada desde Content Analytics Studio

Puede exportar una recopilación de documentos analizados desde Watson Explorer Content Analytics Studio, y cargar los documentos analizados como archivos XMI en un proyecto de Knowledge Studio.

Procedimiento

Para obtener documentos analizados desde una recopilación de Content Analytics Studio, siga estos pasos:

  1. Inicie Content Analytics Studio y abra el proyecto de Studio.
  2. Pulse con el botón derecho del ratón una carpeta que contenga documentos que desee utilizar para entrenar un modelo de aprendizaje automático y seleccione Analizar recopilación.
  3. Seleccione un archivo de configuración de interconexión de UIMA.
  4. Vaya a la vista Análisis de recopilación y pulse el icono Guardar en la vista Análisis de recopilación. Especifique la carpeta donde se escribirán los resultados guardados y especifique el nombre de archivo.
  5. Abra la carpeta que ha especificado. La extensión de archivo del archivo guardado es .annotations.
  6. Copie el archivo .annotations a su sistema de archivos local y cambie el nombre de la extensión de archivo de .annotations a .zip.
  7. Extraiga todos los archivos del archivo .zip. Entre los contenidos extraídos se incluyen archivos XMI (*.xmi), el archivo de descriptor de UIMA TypeSystem (TypeSystem.xml), y otros archivos.

Qué hacer a continuación

Debe definir una correlación entre los tipos de UIMA y los tipos de entidades de Knowledge Studio. También debe crear un archivo .zip que contenga todos los archivos necesarios para cargar los datos analizados en un espacio de trabajo de Knowledge Studio.

Correlación de tipos de UIMA con tipos de entidades

Antes de cargar archivos XMI en un espacio de trabajo de Knowledge Studio, debe definir correlaciones entre los tipos de UIMA y los tipos de entidades de Knowledge Studio.

Antes de empezar

El sistema de tipos del espacio de trabajo de Knowledge Studio debe incluir los tipos de entidades con los que desee correlacionar los tipos de UIMA.

Procedimiento

Para correlacionar los tipos de UIMA con tipos de entidades de Knowledge Studio, siga estos pasos:

  1. Cree un archivo denominado cas2di.tsv en la carpeta que contenga el archivo de descriptor de UIMA TypeSystem, como por ejemplo exported_typesystem.xml o TypeSystem.xml.

  2. Abra el archivo cas2di.tsv con un editor de texto. Cada línea del archivo especifica una única correlación. El formato de la correlación depende de qué anotaciones del anotador desee correlacionar:

    • Puede crear correlaciones utilizando el formato básico:

      UIMA_Type_Name[TAB]WKS_Entity_Type

      El ejemplo siguiente define las correlaciones entre tipos de UIMA producidos por el anotador de Named Entity Recognition en Watson Explorer Content Analytics y los tipos de entidades definidos en un sistema de tipos de Knowledge Studio:

      com.ibm.langware.Organization  ORGANIZATION
com.ibm.langware.Person  PERSON
com.ibm.langware.Location  LOCATION

      Otro ejemplo define una correlación entre los tipos de UIMA producidos por un anotador personalizado creado en Watson Explorer Content Analytics Studio y en los tipos de entidades de Knowledge Studio:

      com.ibm.Person  PERSON
com.ibm.Date  DATE

    • Puede crear correlaciones basadas en facetas que se utilizan en el anotador de Buscador de coincidencias de patrones o en el anotador Búsqueda en el diccionario en Watson Explorer Content Analytics. En los archivos de reglas de análisis de texto (*.pat), la faceta está representada como el atributo de categoría. Para definir una correlación, utilice la sintaxis siguiente:

      com.ibm.takmi.nlp.annotation_type.ContiguousContext:category={FACET_PATH}[TAB]{WKS_ENTITY_TYPE}

      El ejemplo siguiente, que se aplica a los anotadores de Buscador de coincidencias de patrones y de Búsqueda en el diccionario, define una correlación entre la categoría $.mykeyword.product y el tipo de entidad de Knowledge Studio PRODUCT:

      com.ibm.takmi.nlp.annotation_type.ContiguousContext:category=$.mykeyword.product PRODUCT

Qué hacer a continuación

Debe crear un archivo .zip que contenga todos los archivos necesarios para cargar los datos analizados en un espacio de trabajo de Knowledge Studio.

Información relacionada:

Carga de archivos UIMA CAS XMI en un espacio de trabajo

Para utilizar los documentos preanotados que haya descargado para entrenar un modelo, debe crear un archivo ZIP que contenga todos los archivos necesarios para cargar los archivos XMI, y luego cargar el archivo .zip en un espacio de trabajo de Knowledge Studio.

Antes de empezar

Antes de cargar el archivo .zip, asegúrese de que el sistema de tipos de su espacio de trabajo de Knowledge Studio incluya los tipos de entidades con los que se correlacionan los tipos de UIMA.

Los motores de análisis de UIMA permiten anotaciones para distribuir frases. En Knowledge Studio, deben existir anotaciones dentro de los límites de una sola frase. Si los archivos XMI que cargue incluyen anotaciones que distribuyan frases, dichas anotaciones no aparecerán en el editor de datos de campo.

Procedimiento

Para cargar documentos preanotados en un espacio de trabajo de Knowledge Studio, siga estos pasos:

  1. Cree un archivo .zip que contenga todos los archivos que necesita Knowledge Studio.

    1. Seleccione la carpeta que contiene los archivos XMI, el archivo de descriptor del sistema de tipos UIMA y el archivo cas2di.tsv, o seleccione todos los archivos de la carpeta.

    2. Cree un archivo .zip que incluya todos los archivos. Asegúrese de que los archivos de descriptor del sistema de tipos de cas2di.tsv y UIMA estén almacenados en el directorio raíz del archivo .zip. Estos archivos no se pueden almacenar en una subcarpeta dentro del archivo .zip o Knowledge Studio no podrá leerlos, y no se importará nada.

      En Windows, puede pulsar con el botón derecho del ratón y seleccionar Enviar a > Carpeta comprimida (en zip).

  2. Cargue el archivo .zip en un espacio de trabajo de Knowledge Studio.

    1. Inicie sesión como administrador o gestor de proyectos de Knowledge Studio, abra el espacio de trabajo al que desee añadir los documentos y abra la página Activos> Documentos.
    2. Pulse Cargar conjuntos de documentos.
    3. Arrastre el archivo .zip que ha creado o pulse para ubicar y seleccionar el archivo.
    4. Marque el recuadro de selección para indicar que el archivo .zip contiene archivos UIMA CAS XMI.
    5. Pulse Cargar.