Procedimiento

Para desplegar un modelo de aprendizaje automático en Watson Discovery, siga estos pasos:

1. Inicie sesión como un administrador o gestor de proyectos de Knowledge Studio, y seleccione su espacio de trabajo.

2. Seleccione Modelo de aprendizaje automático > Versiones.

3. Pulse Exportar modelo actual.

   Si tiene una suscripción a un plan Lite, no habrá disponible ninguna opción de exportación.

   El modelo se guarda como un archivo ZIP, y se le solicitará que descargue el archivo.

4. Descargue el archivo a su sistema local.

5. Desde la aplicación Discovery, importe el modelo.

Qué hacer a continuación

Consulte los modelos Machine Learning en la documentación Discovery.

Antes de empezar

Debe tener un servicio Natural Language Understanding en el que desplegar. Y debe conocer los nombres de los espacios y de las instancias de IBM Cloud asociados con el servicio. Si no recuerda los nombres de los espacios o de las instancias, búsquelos iniciando sesión en IBM Cloud. Si no tiene una cuenta de IBM Cloud, regístrese para una.

Acerca de esta tarea

Al desplegar el modelo de aprendizaje automático, seleccione la versión del mismo que desea desplegar.

Procedimiento

Para desplegar un modelo de aprendizaje automático en el servicio Natural Language Understanding, siga estos pasos:

1. Inicie sesión como un administrador o gestor de proyectos de Knowledge Studio, y seleccione su espacio de trabajo.

2. Seleccione Modelo de aprendizaje automático > Versiones.

3. Seleccione la versión del modelo que desea desplegar.

   Si solo hay una versión que funciona del modelo, cree una instantánea del modelo actual. Esto versiona el modelo, lo que permite desplegar una versión, mientras sigue mejorando la versión actual. La opción para desplegar no aparecerá hasta que cree al menos una versión.

   Cada versión se puede desplegar en cualquier cantidad de instancias de servicio. A cada instancia desplegada de una versión de modelo se le proporciona un ID de modelo exclusivo, pero es idéntico en todo lo demás.

4. Pulse Desplegar, elija desplegarla en Natural Language Understanding y, a continuación, pulse Siguiente.

5. Seleccione el espacio y la instancia de IBM Cloud. Si es necesario, seleccione una región distinta.

6. Pulse Desplegar.

7. El proceso de despliegue puede tardar unos minutos. Para comprobar el estado del despliegue, pulse Estado en el separador Versiones junto a la versión que ha desplegado. Si el modelo se está desplegando todavía, el estado indica "publicando". Cuando finalice el despliegue, el estado cambiará a "disponible" si el despliegue fue correcto, o "error" si se producen problemas.

   Una vez disponible, tome nota del ID de modelo (model_id). Proporcionará este ID al servicio Natural Language Understanding para permitir al servicio que utilice su modelo personalizado.

Qué hacer a continuación

Puede listar el modelo desplegado en la instancia de servicio Natural Language Understanding llamando al siguiente método de API.

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

Los modelos desplegados se devolverán en una matriz parecida a la siguiente:

{
  "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"
    }
  ]
}

El {workspace_id}, {version_description} y {version} coincidirán con la información listada en la página Versiones de su instancia de servicio de Knowledge Studio.

Para utilizar el modelo desplegado, debe especificar el ID de modelo de su modelo personalizado en el parámetro entities.model de una llamada analyze.

Puede utilizar el modelo con la solicitud Natural Language Understanding GET /analyze para extraer las características siguientes:

• entidades

  El siguiente mandato busca las entidades que están presentes en la frase que se pasa utilizando el parámetro de texto:

  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"
            }
          }
       }'
  

  El servicio devuelve un objeto JSON de instancias que busca de tipos de entidades definidos en el modelo personalizado:

  {
    "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

  El siguiente mandato busca las relaciones que están presentes en la frase que se pasa utilizando el parámetro de texto:

  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"
            }
          }
       }'
  

  El servicio devuelve un objeto JSON de instancias que busca de tipos de relaciones definidos en el modelo personalizado:

  {
    "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"
  }
  

Para más información, consulte la documentación de Natural Language Understanding.

Procedimiento

Para retirar modelos o buscar los ID de modelo:

1. Inicie Knowledge Studio.
2. Desde el menú Configuración en la barra de menús de la parte superior derecha, seleccione Gestionar modelos desplegados.
3. En la lista de modelos desplegados, busque el modelo que desee ver o retirar.
4. Para retirar el modelo, desde la última columna de la fila, pulse Retirar modelo.
5. Para encontrar el ID de modelo, consulte la columna ID de modelo.

De forma alternativa, puede retirar el despliegue de modelos de las páginas Versiones para modelos basados en reglas y modelos de aprendizaje automático.

Antes de empezar

Si elige identificar los tipos de relaciones y anotarlos, debe definir al menos dos tipos de relaciones, y anotar instancias de las relaciones de los datos de campo antes de exportar el modelo. Definir y anotar solo un tipo de relación puede provocar problemas subsiguientes en IBM Watson Explorer, release 11.0.1.0.

Acerca de esta tarea

Ahora que el modelo de aprendizaje automático está entrenado para reconocer entidades y relaciones para un dominio específico, puede aprovecharlo en IBM Watson Explorer.

Vea un breve vídeo que ilustra cómo exportar un modelo y utilizarlo en IBM Watson Explorer.

Procedimiento

Para aprovechar un modelo de aprendizaje automático en IBM Watson Explorer, siga estos pasos.

1. Inicie sesión como un administrador o gestor de proyectos de Knowledge Studio, y seleccione su espacio de trabajo.

2. Seleccione Modelo de aprendizaje automático > Versiones.

3. Pulse Exportar modelo actual.

   Si tiene una suscripción a un plan Lite, no habrá disponible ninguna opción de exportación.

   El modelo se guarda como un archivo ZIP, y se le solicitará que descargue el archivo.

4. Descargue el archivo a su sistema local.

5. Desde la aplicación de IBM Watson Explorer, importe el modelo.

   A continuación, puede correlacionar el modelo a un modelo de aprendizaje automático en Watson Explorer Content Analytics. Después de realizar el paso de correlación, cuando rastree documentos, el modelo buscará instancias de las entidades y de las relaciones que entenderá el modelo. Para obtener más información sobre cómo importar y configurar el modelo en IBM Watson Explorer, consulte el documento técnico que describe la integración: Uso de anotadores de aprendizaje automático de Knowledge Studio en Watson Explorer.