Questa documentazione è per IBM Watson® Knowledge Studio su IBM Cloud®. Per visualizzare la documentazione della versione precedente di Knowledge Studio nel IBM Marketplace, fai clic su questo link.
Flusso di lavoro di creazione del modello di machine learning
Crea un modello di machine learning che tratta un modello che puoi utilizzare per identificare le voci, le coreferenze e le relazioni di interesse nei nuovi documenti.
Comprendi il flusso di lavoro tipico per la creazione di un modello di machine learning in Knowledge Studio.
Tutti i passi vengono eseguiti dal gestore del progetto, tranne il passo Annota i documenti, che viene eseguito da un annotatore umano. Poiché gli annotatori umani sono spesso esperti in materia, potrebbero essere consultati durante la creazione delle risorse dello spazio di lavoro, come il sistema tipo e altro.
Figura 1. Il flusso di lavoro per lo sviluppo di un modello
di apprendimento automatico
Procedura per creare o rifinire un modello
| Passo | Descrizione |
|---|---|
| Crea uno spazio di lavoro | Consulta Creazione di uno spazio di lavoro. Uno spazio di lavoro contiene le risorse utilizzate per creare il modello, tra cui: - Tipo di sistema: Caricare o creare il sistema tipo, e definire i tipi di entità e i tipi di relazione che gli annotatori umani possono applicare quando annotano il testo. Il gestore del processo del modello normalmente collabora con gli |
| esperti in materia del tuo dominio per definire il sistema tipo. Consultare Istituzione di un sistema di tipo - Documenti di origine: Creare un corpus caricando documenti di esempio rappresentativi del tuo contenuto di dominio nello spazio di lavoro. Consulta Aggiunta di documenti per l'annotazione. Suddividere il corpus in insiemi di documenti, specificare la percentuale di documenti condivisi tra tutti gli insiemi di documenti e assegnare gli insiemi di documenti agli annotatori umani. - Dizionari: Carica o crea dizionari per l'annotazione del testo. Puoi scegliere di aggiungere manualmente le voci del dizionario |
|
| o di caricarle da un file e poi modificarle. Consulta Creazione dei dizionari. | |
| Opzionale: Pre-annotate i documenti | Pre-annotate i documenti in base ai termini presenti nei dizionari dell'area di lavoro o in base a regole definite dall'utente. Consulta Inizio dell'annotazione. |
| Annota i documenti |
|
| Creazione di un'attività di annotazione.
|
|
| per annotare manualmente i documenti. Un annotatore umano identifica le citazioni di interesse nel tuo contenuto del dominio | |
| e le etichetta con i tipi di entità. L'annotatore umano inoltre identifica le relazioni tra le citazioni | |
| (ad esempio, Mary è un'impiegata di IBM) e come le citazioni fanno coreferimento alla stessa entità | |
| (come una ricorrenza di "she" che fa riferimento a Mary). Fai riferimento a Annotazione dei documenti. | |
| Giudica e promuovi i documenti | Accetta o rifiuta il ground truth che è stato generato dagli annotatori umani e giudica tutte |
| le differenze di annotazione per risolvere i conflitti. La valutazione dell'accuratezza e della congruenza del lavoro di annotazione umana | |
| potrebbe essere di responsabilità di un annotatore umano esperto o di un utente | |
| con maggiore esperienza in materia rispetto al gestore del progetto. Consulta Giudizio. | |
| Addestra il modello | Crea il modello di machine learning. Consulta Creazione di un modello di machine learning. |
| Valuta il modello | Valuta l'accuratezza del modello. Consulta Valutazione delle annotazioni aggiunte dal modello. A seconda dell'accuratezza del modello, questo passo potrebbe creare |
| il bisogno di ripetere nuovamente dei passi precedenti finché non viene raggiunta l'accuratezza ottimale. Consulta Analisi delle prestazioni del modello di machine learning per idee su cosa aggiornare in base | |
| ai problemi di prestazioni comuni. | |
| Pubblica il modello | Esportare il modello. Consulta Utilizzo del modello di machine learning. |