Cette documentation concerne IBM Watson® Knowledge Studio on IBM Cloud®. Pour consulter la documentation de la version précédente de Knowledge Studio on IBM Marketplace, cliquez sur ce lien.

Séquence d'opérations de création d'un modèle d'apprentissage automatique

Créez un modèle d'apprentissage automatique pour entraîner un modèle capable d'identifier des entités, des coréférences et des relations d'intérêt dans de nouveaux documents.

Prenez connaissance de la séquence d'opérations typiquement mise en jeu lors de la création d'un modèle d'apprentissage automatique dans Knowledge Studio.

Toutes les étapes excepté une sont effectuées par le chef de projet. L'étape d'annotation des documents incombe aux annotateurs humains. Comme ces derniers sont souvent des experts du domaine concerné, ils peuvent aussi être consultés lors de la création des ressources de l'espace de travail, telles que le système de types.

Figure 1. Flux de travaux pour le développement d'un modèle d'apprentissage automatique

Procédure de création ou d'affinage d'un modèle

Etape	Description
Créer un espace de travail	Consultez Créer un espace de travail. Un espace de travail contient les ressources utilisées pour créer le modèle, notamment : - Système de types : Transférez ou créez le système de types, et définissez les types d'entités et les types de relations que les annotateurs humains peuvent appliquer lorsqu'ils annotent un texte. Le système de types est généralement défini par le gestionnaire des processus de modélisation en collaboration avec les experts de votre domaine. Voir Etablissement d'un système de types - Documents source : Créer un corpus en transférant des exemples de documents représentatifs du contenu propre à votre domaine dans l'espace de travail. Consultez Ajouter des documents pour l'annotation. Partitionnez le corpus en jeux de documents, spécifiez le pourcentage de documents qui sont partagés entre tous les jeux de documents et attribuez les jeux de documents à des annotateurs humains. - Dictionnaires : : Téléchargez ou créez des dictionnaires pour annoter le texte. Vous pouvez choisir d'ajouter une à une les entrées de dictionnaire ou de les transférer d'un fichier existant et de les éditer. Consultez Créer des dictionnaires.
Facultatif : Pré-annoter les documents	Pré-annotez les documents en fonction des termes dans les dictionnaires de l'espace de travail ou en fonction des règles que vous définissez. Consultez Amorcer le processus d'annotation.
Annoter les documents	Les administrateurs et les chefs de projet peuvent annoter les documents directement, sans avoir à créer de tâches d'annotation ou à passer par le processus d'arbitrage. Voir Annotation de jeux de documents directement. Le chef de projet affecte généralement des tâches d'annotation à des annotateurs humains, configure le seuil de convergence entre annotateurs et fournit des directives d'annotation que les annotateurs humains doivent suivre. Consultez Créer une tâche d'annotation. Les annotateurs humains utilisent l'éditeur de données de référence pour annoter manuellement les documents. Le rôle de chaque annotateur humain est d'identifier les mentions d'intérêt dans les contenus relatifs au domaine et de les étiqueter avec les types d'entités qui leur correspondent. Il doit aussi identifier les relations entre mentions (par exemple, Marie est une employée d'IBM) et les coréférences, qui sont des mentions se référant à une même entité (par exemple, une occurrence de "elle" qui fait référence à Marie). Consultez Annoter des documents.
Arbitrer les conflits et promouvoir les documents	Acceptez ou rejetez les annotations produites par les annotateurs humains et arbitrez les éventuels conflits d'annotations (une même mention ou relation qui n'a pas été étiquetée de la même manière par deux annotateur humains). L'évaluation de l'exactitude et de la cohérence du travail d'annotation humain peut être du ressort d'un chef annotateur ou d'un utilisateur ayant une plus grande expérience du domaine que le chef de projet. Consultez Arbitrage.
Entraîner le modèle	Créez le modèle d'apprentissage automatique. Consultez Créer un modèle d'apprentissage automatique.
Evaluer le modèle	Evaluez l'exactitude du modèle. Consultez Evaluer les annotations ajoutées par le modèle. Selon l'exactitude obtenue à ce stade, il peut être nécessaire de répéter les premières étapes autant de fois que nécessaire pour atteindre une exactitude optimale. Consultez Analyser les performances du modèle d'apprentissage automatique pour un aperçu des points sur lesquels vous devez agir en vue de remédier aux problèmes de performances les plus courants.
Publier le modèle	Exportez le modèle. Consultez Utiliser le modèle d'apprentissage automatique.