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.

Anotação de autoinicialização

Simplifique a tarefa do anotador humano pré-anotando os documentos em uma área de trabalho. Um pré-anotador é um dicionário do Knowledge Studio, modelo baseado em regra ou modelo de aprendizado de máquina que é possível executar para localizar e anotar menções automaticamente.

A pré-anotação torna a tarefa dos anotadores humanos mais fácil porque ela cobre as anotações simples e inicia a tarefa de anotar os documentos.

O método que você usa para pré-anotar documentos em nenhuma forma restringe os modos em que é possível usar o modelo resultante. Por exemplo, só porque você usa o serviço Natural Language Understanding para pré-anotar documentos, não significa que se deve implementar o modelo de aprendizado de máquina final construído para o serviço Natural Language Understanding.

Métodos de pré-anotação

Os pré-anotadores a seguir estão disponíveis:

  • Natural Language Understanding

    Um pré-anotador que é possível usar para localizar menções de entidades em seus documentos automaticamente. Se os seus documentos de origem tiverem assunto de conhecimento geral, esse pré-anotador será uma boa opção para você. Se você estiver trabalhando com documentos altamente especializados que se concentram em um campo específico, como a investigação da lei de patentes, por exemplo, o pré-anotador de dicionário ou modelo baseado em regra poderá ser uma opção melhor.

  • Dicionário

    Usa um dicionário de termos que você fornece e associa com um tipo de entidade para localizar menções desse tipo de entidade nos documentos. Esta opção é melhor para campos com terminologia exclusiva ou especializada porque esse pré-anotador não analisa o contexto no qual o termo é usado da maneira como um pré-anotador de aprendizado de máquina faz; em vez disso, ele conta com o termo sendo distinto o suficiente para ter um significado decifrável independentemente do contexto no qual ele é usado. Por exemplo, é mais fácil reconhecer amianto como um tipo de entidade de mineral do que determinar o tipo de entidade de squash, que pode referir-se a um vegetal, um esporte ou um verbo que significa esmagar alguma coisa.

    Os pré-anotadores de dicionário não reconhecem subtipos de entidade. Os anotadores humanos podem especificar subtipos de entidade para cada referência pré-anotada trabalhando em uma tarefa de anotação com o documento pré-anotado.

  • Aprendizado de máquina

    Usa um modelo de aprendizado de máquina para anotar documentos automaticamente. Essa opção estará disponível apenas se você já tiver criado um modelo de aprendizado de máquina com o Knowledge Studio. Se você incluir um conjunto de documentos, será possível executar o anotador de aprendizado de máquina criado anteriormente para pré-anotar os novos documentos. Se o novo conjunto de documentos for semelhante aos documentos usados para treinar o anotador de aprendizado de máquina originalmente, essa será provavelmente sua melhor opção para a pré-anotação.

  • Regra

    Usa um modelo baseado em regra para anotar documentos automaticamente. Essa opção estará disponível somente se você já tiver criado um modelo baseado em regra com o Knowledge Studio. Se seus documentos contêm padrões comuns de tokens por meio dos quais é possível derivar significado, esse modelo pode ser uma boa opção. Ele poderá incorporar alguma das funções do pré-anotador de dicionário se você o ativar, identificando tipos de classe para termos do dicionário que ele localiza nos documentos também.

Como alternativa, é possível fazer upload de documentos já anotados e usá-los para começar a treinar o modelo de aprendizado de máquina. Não é possível executar um pré-anotador em documentos anotados dos quais você faz upload ou as anotações existentes serão removidas dos documentos e substituídas por anotações produzidas somente pelo pré-anotador.

Executando diversos pré-anotadores

O Knowledge Studio permite executar diversos pré-anotadores de uma vez. Primeiro, é necessário preparar os métodos de pré-anotação que você deseja usar. Para obter mais informações, consulte as seções a seguir:

Configurando a ordem dos pré-anotadores

Quando diversos pré-anotadores forem usados, a primeira anotação feita em um período de texto será salva para os resultados, mesmo que outros pré-anotadores tentem anotar o mesmo período de texto posteriormente na ordem. Isso não se aplica às anotações humanas, que são preservadas independentemente da ordem de pré-anotação.

Por exemplo, considere o texto de exemplo IBM Watson. Se um dicionário que for o primeiro na ordem tiver o rótulo IBM como um tipo de entidade Organization, um modelo de aprendizado de máquina que for o segundo na ordem não poderá anotar IBM Watson como um tipo de entidade Software Brand porque isso substituiria a anotação anterior feita em IBM.

É possível visualizar a ordem atual dos pré-anotadores na coluna Ordem na página Modelo de aprendizado de máquina > Pré-anotação. Para mudar a ordem, conclua as etapas a seguir.

  1. Clique em Configurações da ordem.
  2. Clique nos botões de seta** Mover para cima e Mover para baixo para mover os métodos de pré-anotação anteriores ou posteriores na ordem.
  3. Clique em Salvar.
  4. Verifique novamente a coluna Ordem na página Pré-anotação para se certificar de que ela corresponda à ordem desejada.

Executar pré-anotadores

  1. Depois que seus métodos de pré-anotação estiverem preparados e você tiver configurado a ordem de seus pré-anotadores, clique em Executar pré-anotadores.
  2. Selecione os pré-anotadores que você deseja usar e, em seguida, clique em Avançar.
  3. Se você quiser apagar as anotações existentes feitas por pré-anotadores antes de executar o pré-anotador, selecione Apagar os resultados de pré-anotação anteriores. As anotações humanas serão preservadas mesmo que isso seja selecionado.
  4. Selecione os conjuntos de documentos que você deseja pré-anotar.
  5. Clique em ** Executar **.

Pré-anotando documentos com o Natural Language Understanding

É possível usar o serviço Natural Language Understanding para pré-anotar documentos que você inclui em seu corpus.

Antes de Iniciar

Determine se o pré-anotador do Natural Language Understanding deve incluir valor para seu caso de uso. Revise a lista de tipos e subtipos de entidade de serviço suportados do Natural Language Understanding para determinar se há uma sobreposição natural entre eles e os tipos em seu sistema de tipos. Se sim, continue com este procedimento. Se não, escolha um pré-anotador diferente para usar.

Sobre essa tarefa

O Natural Language Understanding é um serviço que oferece análise de texto por meio do processamento de linguagem natural. Quando você usa o pré-anotador do Natural Language Understanding, ele chama o serviço Natural Language Understanding para localizar e anotar entidades em seus documentos.

Deve-se especificar os tipos de entidade que você deseja que o serviço procure mapeando os tipos de entidade do Natural Language Understanding para os tipos de entidade do Knowledge Studio correspondentes que você incluiu no sistema de tipos do Knowledge Studio. Somente menções de tipos de entidade que você mapear serão localizados e anotados.

Procedimento

Para usar o serviço Natural Language Understanding para pré-anotar documentos, conclua as etapas a seguir:

  1. Efetue login como um administrador do Knowledge Studio e selecione a sua área de trabalho.

  2. Acesse a página Modelo de aprendizado de máquina > Pré-anotação.

  3. Clique no botão do menu overflow na linha Natural Language Understanding e, em seguida, clique em Mapear tipos de entidade.

    • A lista suspensa dos tipos de entidade do Natural Language Understanding é pré-preenchida com os tipos de entidade reconhecidos pelo serviço Natural Language Understanding.
    • Deve-se mapear pelo menos um tipo de entidade.
    • Não é possível mapear um tipo de entidade do Natural Language Understanding para uma função de entidade do Knowledge Studio, somente tipos de entidade do Knowledge Studio.
    • É possível mapear mais de um tipo de entidade do Natural Language Understanding para um único tipo de entidade do Knowledge Studio ou o contrário. Por exemplo, os mapeamentos a seguir são permitidos:

    Tabela 1. Mapeamento de amostra de tipos de entidade| Watson Knowledge Studio Tipo Entidade | Natural Language Understanding Tipo Entidade | | --- | --- | | ENGENHEIRO

    CIENTISTA | Pessoa | | LOCAL | CityTown

    País |

  4. Depois de mapear todos os tipos de entidade que você deseja aplicar, acesse a página Modelo de aprendizado de máquina > Pré-anotação. Clique em Executar pré-anotadores.

  5. Selecione Natural Language Understanding e, em seguida, clique em Avançar.

    O anotador do Natural Language Understanding não ficará disponível até você mapear pelo menos um tipo de entidade.

  6. ore executando o pré-anotador, selecione Limpar resultados anteriores de anotação prévia. As anotações humanas serão preservadas mesmo que isso seja selecionado.

  7. Marque a caixa de seleção para cada conjunto de documentos que você deseja pré-anotar.

    Se você estiver executando este pré-anotador pela primeira vez, primeiro valide que o pré-anotador pode localizar menções das entidades mapeadas conforme o esperado. Crie um conjunto de documentos que contenha um ou mais documentos representantes de cada origem de dados distintos.

  8. Clique em ** Executar **.

    Se você estiver fazendo uma verificação de validação do pré-anotador, abra os documentos anotados e revise as anotações que foram incluídas. Certifique-se de que um número suficiente de anotações precisas tenha sido criado. Se as anotações são precisas, é possível executar o anotador novamente em mais conjuntos de documentos maiores. Se as anotações não são precisas, considere mapear diferentes tipos de entidade do Natural Language Understanding para seus tipos. Se os tipos não se sobrepõem naturalmente, o pré-anotador do Natural Language Understanding não é o melhor pré-anotador para você usar.

    A pré-anotação é aplicada a documentos individuais sem considerar os vários conjuntos de documentos aos quais um documento pode pertencer. Um documento que se sobrepõe entre um conjunto de documentos selecionado e um conjunto de documentos não selecionado será previamente anotado em ambos os conjuntos de documentos.

Resultados

A verdade absoluta que é produzida por documentos que foram pré-anotados pelo serviço Natural Language Understanding não pode ser usada diretamente fora do Knowledge Studio. É possível fazer download da verdade absoluta (em forma não legível) para movê-la de uma área de trabalho do Knowledge Studio para outra. Além disso, é possível continuar a desenvolver a verdade absoluta e usá-la para construir um modelo de aprendizado de máquina ou modelo baseado em regra que pode ser implementado para uso em serviços fora do Knowledge Studio.

Os documentos pré-anotados com o Natural Language Understanding ficam obscurecidos em um formato não legível quando transferidos por download. Mas todas as anotações nesses documentos são obscurecidas, incluindo anotações que foram incluídas nos documentos por anotadores humanos.

Informações relacionadas:

Natural Language Understanding

Pré-anotando documentos com um dicionário

Para ajudar na introdução dos anotadores humanos às suas tarefas de anotação, é possível criar um dicionário e usá-lo para pré-anotar documentos que você inclui no corpus.

Sobre essa tarefa

Quando um anotador humano começa a trabalhar em documentos que foram pré-anotados, é provável que um número de menções já esteja marcado por tipos de entidade com base nas entradas de dicionário. O anotador humano pode mudar ou remover os tipos de entidade pré-anotados e designar tipos de entidade a menções não anotadas. A pré-anotação por um dicionário não anota relações e correferências. As relações e correferências devem ser anotadas por anotadores humanos.

Essa tarefa mostra como criar um dicionário que seja editável. Se você quiser fazer upload e pré-anotar seus documentos com um dicionário somente leitura, clique no ícone Menu próximo ao botão Criar dicionário e, em seguida, selecione Fazer upload do dicionário.

Procedimento

Para criar um dicionário editável e pré-anotar documentos, siga estas etapas:

  1. Efetue login como um administrador do Knowledge Studio e selecione a sua área de trabalho.

  2. Selecione a página Ativos > Dicionários.

  3. Clique em Criar dicionário, insira um nome e, em seguida, clique em Salvar.

  4. Na lista Tipo de entidade, selecione um tipo de entidade para associar com o dicionário.

    Também é possível associar um tipo de entidade ao dicionário por meio da página Modelo de aprendizado de máquina > Pré-anotação. Clique no botão do menu overflow na linha Dicionários na página e, em seguida, clique em Mapear tipos de entidade.

  5. Inclua entradas para o dicionário ou faça upload de um arquivo que contenha os termos do dicionário.

  6. Acesse a página Modelo de aprendizado de máquina > Pré-anotação.

  7. Clique em Executar pré-anotadores.

  8. Selecione Dicionários e, em seguida, clique em Avançar.

  9. Se você quiser apagar as anotações existentes feitas por pré-anotadores antes de executar o pré-anotador, selecione Apagar os resultados de pré-anotação anteriores. As anotações humanas serão preservadas mesmo que isso seja selecionado.

  10. Marque a caixa de seleção para cada conjunto de documentos que você deseja pré-anotar e clique em Executar.

    A pré-anotação é aplicada a documentos individuais sem considerar os vários conjuntos de documentos ou conjuntos de anotações aos quais um documento pode pertencer. Um documento que se sobrepõe entre um conjunto de documentos selecionado e um conjunto de documentos não selecionado será previamente anotado em ambos os conjuntos de documentos.

Informações relacionadas:

Pré-anotando documentos com o modelo de aprendizado de máquina

É possível usar o modelo de aprendizado de máquina existente para pré-anotar documentos que você inclui no corpus.

Sobre essa tarefa

Depois que 10 a 30 documentos são anotados, um modelo de aprendizado de máquina pode ser treinado nos dados. Não use um modelo tão minimamente treinado na produção. No entanto, é possível usar o modelo para pré-anotar documentos para ajudar a acelerar a anotação humana de documentos subsequentes. Por exemplo, se você inclui documentos no corpus depois de treinar um modelo de aprendizado de máquina, é possível usar o modelo para pré-anotar os novos conjuntos de documentos. Nunca execute um pré-anotador nos mesmos documentos que foram anotados por uma pessoa. Os pré-anotadores removem a anotação humana.

Procedimento

Para usar o modelo de aprendizado de máquina existente para pré-anotar documentos:

  1. Efetue login como um administrador do Knowledge Studio e selecione a sua área de trabalho.

  2. Acesse a página Modelo de aprendizado de máquina > Pré-anotação.

  3. Clique em Executar pré-anotadores.

  4. Selecione Modelo de aprendizado de máquina e, em seguida, clique em Avançar.

  5. Se você quiser apagar as anotações existentes feitas por pré-anotadores antes de executar o pré-anotador, selecione Apagar os resultados de pré-anotação anteriores. As anotações humanas serão preservadas mesmo que isso seja selecionado.

  6. Marque a caixa de seleção para cada conjunto de documentos que você deseja pré-anotar e clique em Executar.

    A pré-anotação é aplicada a documentos individuais sem considerar os vários conjuntos de documentos ou conjuntos de anotações aos quais um documento pode pertencer. Um documento que se sobrepõe entre um conjunto de documentos selecionado e um conjunto de documentos não selecionado será previamente anotado em ambos os conjuntos de documentos.

Pré-anotando documentos com o modelo baseado em regra

O editor de regras terminará em 30 de junho de 2025. Consulte as notas de versão para obter mais detalhes.

É possível usar um modelo baseado em regra existente para pré-anotar documentos que você inclui no corpus.

Procedimento

Para usar o modelo baseado em regra para anotar documentos, conclua as etapas a seguir:

  1. Efetue login como um administrador do Knowledge Studio e selecione a sua área de trabalho.

  2. Acesse a página Modelo de aprendizado de máquina > Pré-anotação.

  3. Clique no botão do menu overflow na linha Modelo baseado em regra na página e, então, clique em Mapear tipos e classes de entidade para mapear os tipos de entidade definidos no sistema de tipos do Knowledge Studio para uma ou mais classes do modelo baseado em regras.

    Também é possível abrir a página de mapeamento selecionando a guia Modelo baseado em regra > Versões > Modelo baseado em regra.

  4. Clique em Editar para cada tipo de entidade que você deseja mapear.

    • A lista suspensa da coluna Nome de classe é pré-preenchida com classes que estão associadas ao modelo baseado em regra.
    • Deve-se mapear pelo menos um tipo de entidade para uma classe.

  5. Na página Modelo de aprendizado de máquina > Pré-anotação, clique em Executar pré-anotadores.

    A opção Modelo baseado em regra não ficará disponível até você mapear pelo menos um tipo de entidade para uma classe.

  6. Se você quiser apagar as anotações existentes feitas por pré-anotadores antes de executar o pré-anotador, selecione Apagar os resultados de pré-anotação anteriores. As anotações humanas serão preservadas mesmo que isso seja selecionado.

  7. Selecione os conjuntos de documentos ou conjuntos de anotações que você deseja pré-anotar.

  8. Clique em ** Executar **.

    A pré-anotação é aplicada a documentos individuais sem considerar os vários conjuntos de documentos aos quais um documento pode pertencer. Um documento que se sobrepõe entre um conjunto de documentos selecionado e um documento não selecionado aparecerá pré-anotado em ambos os conjuntos de documentos.

Fazendo upload de documentos pré-anotados

É possível dar início ao treinamento de seu modelo fazendo upload de documentos que foram pré-anotados por meio de um mecanismo de análise Unstructured Information Management Architecture (UIMA).

Os documentos pré-anotados devem estar na forma de serialização XMI do UIMA Common Analysis Structure (UIMA CAS XMI). O arquivo .zip do qual você faz upload deve incluir o arquivo descritor TypeSystem do UIMA e um arquivo que mapeie os tipos UIMA para tipos de entidade no sistema de tipos do Knowledge Studio.

O UIMA CAS XMI é um formato padrão do Apache UIMA. Diretrizes são fornecidas sobre como criar arquivos no formato correto por meio de coletas analisados no IBM Watson Explorer. Se você usa outra implementação do Apache UIMA, adapte estas diretrizes aos seus propósitos. Independentemente de como os arquivos XMI são criados, os requisitos para criar o arquivo de mapeamento do sistema de tipos e o arquivo .zip são os mesmos para todos.

Se você designa os documentos importados para anotadores humanos, os documentos aparecem pré-anotados no editor de verdade absoluta e um número de menções pode já estar anotado. O anotador humano assim tem mais tempo para focar em aplicar as diretrizes de anotação às menções não marcadas. Como alternativa, é possível efetuar bypass da etapa de anotação humana e usar os documentos pré-anotados para iniciar imediatamente o treinamento e a avaliação de um modelo de aprendizado de máquina.

Exportando documentos analisados do Watson Explorer Content Analytics

É possível exportar os documentos que foram submetidos a crawl e analisados no IBM Watson Explorer Content Analytics e fazer upload dos documentos analisados como arquivos XMI em uma área de trabalho do Knowledge Studio.

Procedimento

Para obter documentos analisados de uma coleção do Watson Explorer Content Analytics, siga estas etapas:

  1. Abra o console de administração do Content Analytics em um navegador da web.

  2. Na visualização Coleções, expanda a coleção da qual você deseja exportar documentos. Na área de janela Analisar e Indexar, assegure-se de que o processo de análise e indexação esteja em execução e, em seguida, clique no ícone de seta para Exportar o conteúdo e os metadados do documento analisado.

  3. Na área Opções de exportação de documento analisado, selecione Exportar documentos como arquivos XML, marque a caixa de seleção Ativar CAS como exportação de formato XMI, especifique o caminho de saída para onde os dados exportados devem ser gravados e clique em OK.

  4. Pare e reinicie os serviços de análise e indexação para a coleção e, em seguida, execute uma das etapas a seguir:

    • Se a coleção já contém documentos indexados que você deseja usar para treinar o modelo de aprendizado de máquina no cache do documento, reiniciar uma construção de índice integral.
    • Se a coleção não contém documentos indexados que você deseja usar para treinar o modelo de aprendizado de máquina, faça upload de documentos, configurar pelo menos um crawler para efetuar crawl dos documentos e inicie o crawler.

  5. Na área Exportar, verifique o status da solicitação de exportação. O progresso indica quantos documentos são exportados.

  6. Acesse a pasta de saída que você especificou quando configurou as opções de exportação. Quando os documentos são exportados como arquivos XML, o nome da pasta de saída é baseado no registro de data e hora quando a exportação ocorre. A pasta de saída contém arquivos XMI (*.xmi) e o arquivo descritor do UIMA TypeSystem (exported_typesystem.xml).

O quê fazer em seguida

Deve-se definir um mapeamento entre os tipos do UIMA e tipos de entidade do Knowledge Studio. Também se deve criar um arquivo .zip que contenha todos os arquivos necessários para fazer upload dos dados analisados em uma área de trabalho do Knowledge Studio.

Informações relacionadas:

Exportando uma coleção analisada do Content Analytics Studio

É possível exportar uma coleção de documentos analisados do Watson Explorer Content Analytics Studio e fazer upload dos documentos analisados como arquivos XMI em um projeto do Knowledge Studio.

Procedimento

Para obter documentos analisados de uma coleção do Content Analytics Studio, siga estas etapas:

  1. Ative o Content Analytics Studio e abra o projeto Studio.
  2. Clique com o botão direito em uma pasta que contém documentos que você deseja usar para treinar um modelo de aprendizado de máquina e selecione Analisar coleção.
  3. Selecione um arquivo de configuração de pipeline UIMA.
  4. Acesse a visualização Análise de coleção e clique no ícone Salvar na visualização Análise de coleção. Especifique a pasta na qual os resultados salvos devem ser gravados e especifique o nome do arquivo.
  5. Abra a pasta que você especificou. A extensão do arquivo do arquivo salvo é .annotations.
  6. Copie o arquivo .annotations em seu sistema de arquivos local e renomeie a extensão do arquivo de .annotations para .zip.
  7. Extraia todos os arquivos do arquivo .zip. Os conteúdos extraídos incluem arquivos XMI (*.xmi), o arquivo descritor do UIMA TypeSystem (TypeSystem.xml) e outros arquivos.

O quê fazer em seguida

Deve-se definir um mapeamento entre os tipos do UIMA e tipos de entidade do Knowledge Studio. Também se deve criar um arquivo .zip que contenha todos os arquivos necessários para fazer upload dos dados analisados em uma área de trabalho do Knowledge Studio.

Mapeando tipos UIMA para tipos de entidade

Antes de fazer upload de arquivos XMI em uma área de trabalho do Knowledge Studio, deve-se definir mapeamentos entre os tipos UIMA e os tipos de entidade do Knowledge Studio.

Antes de Iniciar

O sistema de tipos na área de trabalho do Knowledge Studio deve incluir os tipos de entidade para os quais você deseja mapear os tipos UIMA.

Procedimento

Para mapear tipos UIMA para tipos de entidade do Knowledge Studio, siga estas etapas:

  1. Crie um arquivo chamado cas2di.tsv na pasta que contém o arquivo descritor do UIMA TypeSystem, como exported_typesystem.xml ou TypeSystem.xml.

  2. Abra o arquivo cas2di.tsv com um editor de texto. Cada linha no arquivo especifica um único mapeamento. O formato do mapeamento depende de quais anotações do anotador você deseja mapear:

    • É possível criar mapeamentos usando o formato básico:

      UIMA_Type_Name[TAB]WKS_Entity_Type

      O exemplo a seguir define mapeamentos entre os tipos UIMA produzidos pelo anotador de Reconhecimento de entidade nomeada no Watson e pelos tipos de entidade definidos em um sistema de tipos do Knowledge Studio:

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

      Outro exemplo define um mapeamento entre os tipos UIMA produzidos por um anotador customizado que foi criado no Watson Explorer Content Analytics Studio e os tipos de entidade do Knowledge Studio:

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

    • É possível criar mapeamentos com base em aspectos que são usados no anotador Correspondente padrão ou anotador Consulta de dicionário no Watson Explorer Content Analytics. Em arquivos de regras de análise de texto (*.pat), o aspecto é representado como o atributo de categoria. Para definir um mapeamento, use a sintaxe a seguir:

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

      O exemplo a seguir, que se aplica aos anotadores Correspondente padrão e Consulta de dicionário, define um mapeamento entre a categoria $.mykeyword.product e o tipo de entidade PRODUCT do Knowledge Studio:

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

O quê fazer em seguida

Deve-se criar um arquivo .zip que contenha todos os arquivos necessários para fazer upload dos dados analisados em uma área de trabalho do Knowledge Studio.

Informações relacionadas:

Fazendo upload de arquivos UIMA CAS XMI em uma área de trabalho

Para usar os documentos pré-anotados transferidos por download para treinar um modelo, deve-se criar um arquivo .zip que contenha todos os arquivos necessários para fazer upload dos arquivos XMI e, em seguida, fazer upload do arquivo .zip em uma área de trabalho do Knowledge Studio.

Antes de Iniciar

Antes de fazer upload do arquivo .zip, assegure-se de que o sistema de tipos em sua área de trabalho do Knowledge Studio inclua os tipos de entidade para os quais você mapeou os tipos UIMA.

Os mecanismos de análise UIMA permitem que as anotações abranjam as sentenças. No Knowledge Studio, as anotações devem existir dentro dos limites de uma única sentença. Se os arquivos XMI dos quais você faz upload incluem anotações que abrangem sentenças, essas anotações não aparecem no editor de verdade absoluta.

Procedimento

Para fazer upload de documentos pré-anotados em uma área de trabalho do Knowledge Studio, siga estas etapas:

  1. Crie um arquivo .zip que contenha todos os arquivos necessários para o Knowledge Studio.

    1. Selecione a pasta que contém os arquivos XMI, o arquivo descritor do sistema de tipos UIMA e o arquivo cas2di.tsv ou selecione todos os arquivos na pasta.

    2. Crie um arquivo .zip que inclua todos os arquivos. Certifique-se de que os arquivos descritores do sistema de tipos cas2di.tsv e UIMA sejam armazenados no diretório-raiz do arquivo .zip. Não é possível armazenar esses arquivos em uma subpasta do arquivo .zip ou o Knowledge Studio não será capaz de lê-los e nada será importado.

      No Windows, é possível clicar com o botão direito e selecionar Enviar para > Pasta compactada (zip).

  2. Faça upload do arquivo .zip em uma área de trabalho do Knowledge Studio.

    1. Efetue login como um administrador ou gerente de projeto do Knowledge Studio, abra a área de trabalho na qual você deseja incluir os documentos e abra a página Ativos > Documentos.
    2. Clique em Fazer upload de conjuntos de documentos.
    3. Arraste o arquivo .zip criado ou clique para localizar e selecionar o arquivo.
    4. Marque a caixa de seleção para indicar que o arquivo .zip contém arquivos UIMA CAS XMI.
    5. Clique em ** Upload **.