Essa documentação destina-se ao IBM Watson® Knowledge Studio no IBM Cloud®. Para ver a documentação para a versão anterior do Knowledge Studio no IBM Marketplace, clique neste link.

Fluxo de trabalho de criação de modelo de aprendizado de máquina

Crie um modelo de aprendizado de máquina que treina um modelo que é possível usar para identificar entidades, correferências e relacionamentos de interesse em novos documentos.

Entenda o fluxo de trabalho típico para criar um modelo de aprendizado de máquina no Knowledge Studio.

Todas as etapas são executadas pelo gerente de projeto, exceto para a etapa Anotar documentos, que é executada pelo anotador humano. Como os anotadores humanos são frequentemente especialistas no assunto, eles podem ser consultados durante a criação de recursos da área de trabalho, como o sistema de tipos, também.

O fluxo de trabalho para desenvolvimento de um modelo de aprendizado de máquina Figura 1. O fluxo de trabalho para desenvolver um modelo de aprendizagem de máquina

Etapas para criar ou refinar um modelo

Etapa Descrição
Criar uma área de trabalho Veja Criando uma área de trabalho. Uma área de trabalho contém os recursos usados para criar o modelo, incluindo:

- Sistema de tipos: Faça upload ou crie o sistema do tipos e defina os tipos de entidade e tipos de relação que os anotadores humanos podem aplicar ao anotar texto. O gerenciador de processos de modelagem normalmente trabalha com especialistas no assunto para o seu domínio para definir o sistema de tipos. Consulte Estabelecendo um sistema de tipos

- Documentos de origem: Crie um corpus fazendo upload de documentos de amostra que representem o conteúdo de seu domínio na área de trabalho. Veja Incluindo documentos para anotação. Particione o corpus em conjuntos de documentos, especifique a porcentagem de documentos que são compartilhados entre todos os conjuntos de documentos e atribua os conjuntos de documentos a anotadores humanos.

- Dicionários: Faça upload ou crie dicionários para anotar os textos. É possível escolher incluir manualmente entradas
de dicionário ou fazer upload de entradas de um arquivo e, em seguida, editar as entradas. Veja Criando dicionários.
Opcional: anote os documentos com antecedência Faça anotações prévias dos documentos de acordo com os termos nos dicionários da área de trabalho ou com base nas regras definidas. Veja Autoinicializando a anotação.
Anotar documentos
  1. Os administradores e gerentes de projeto podem anotar documentos diretamente, sem a necessidade de criar tarefas de anotação ou passar pelo processo de adjudicação. Veja Anotando conjuntos de documentos diretamente.
  2. O gerente de projeto geralmente designa tarefas de anotação a anotadores humanos, configura o limite de concordância entre anotadores e fornece diretrizes de anotação para os anotadores humanos seguirem. Veja
Criando uma tarefa de anotação.
  • Os anotadores humanos usam o editor de verdade absoluta para
    		•
    anotar manualmente os documentos. Um anotador humano identifica menções de interesse em seu conteúdo de
    domínio e as rotula com os tipos de entidade. O anotador humano também identifica relacionamentos entre
    menções (por exemplo, Mary é uma funcionária da IBM) e como as menções correferenciam a mesma entidade
    (como uma ocorrência de "ela" que se refere a Mary). Consulte Anotando documentos.
    Adjudicar e promover documentos Aceite ou rejeite a verdade absoluta que foi gerada por anotadores humanos e adjudique
    quaisquer diferenças de anotação para resolver conflitos. A avaliação da precisão e consistência do
    esforço de anotação humana pode ser a responsabilidade de um anotador humano sênior ou um usuário com
    mais experiência no assunto que o gerente de projeto. Veja Adjudicação.
    Treinar o modelo Crie o modelo de aprendizado de máquina. Veja Criando um modelo de aprendizado de máquina.
    Avaliar o modelo Avalie a precisão do modelo. Veja Avaliando anotações incluídas pelo modelo. Dependendo da precisão do modelo, esta etapa pode resultar na
    necessidade de repetir as etapas anteriores várias vezes até que a precisão ideal seja alcançada. Veja Analisando o desempenho do modelo de aprendizado de máquina para ideias sobre o que atualizar com base em questões
    de desempenho comum.
    Publicar o modelo Exporte o modelo. Veja Usando o modelo de aprendizado de máquina.