Procedimento

Para implementar um modelo de aprendizado de máquina no Watson Discovery, conclua as etapas a seguir:

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

2. Selecione ** Modelo de Aprendizado de Máquina ** > ** Versões **.

3. Clique em Exportar modelo atual.

   Se você tiver uma assinatura do plano Lite, nenhuma opção de exportação estará disponível.

   O modelo é salvo como um arquivo ZIP e você é solicitado a fazer download do arquivo.

4. Faça download do arquivo para o seu sistema local.

5. No aplicativo Discovery, importe o modelo.

O quê fazer em seguida

Consulte os modelos Machine Learning na documentação Discovery.

Antes de Iniciar

Deve-se ter um serviço Natural Language Understanding no qual implementar. Além disso, deve-se saber os nomes de espaço e instância do IBM Cloud que estão associados ao serviço. Se você não se lembra dos nomes de espaço ou instância, localize-os efetuando login no IBM Cloud. Se você não tiver uma conta da IBM Cloud, inscreva-se para uma.

Sobre essa tarefa

Quando você implementar o modelo de aprendizado de máquina, você selecionará a versão dele que deseja implementar.

Procedimento

Para implementar um modelo de aprendizado de máquina no serviço Natural Language Understanding, conclua as etapas a seguir:

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

2. Selecione ** Modelo de Aprendizado de Máquina ** > ** Versões **.

3. Escolha a versão do modelo que você deseja implementar.

   Se houver apenas uma versão de trabalho do modelo, crie uma captura instantânea do modelo atual. Isso versiona o modelo, que permite implementar uma versão enquanto você continua melhorando a versão atual. A opção para implementar não aparece até que você crie pelo menos uma versão.

   Cada versão pode ser implementada em qualquer número de instâncias de serviço. Cada instância implementada de uma versão do modelo recebe um ID do modelo exclusivo, mas é idêntica em todas as outras maneiras.

4. Clique em Implementar, escolha implementá-lo no Natural Language Understanding e, em seguida, clique em Avançar.

5. Selecione o espaço e a instância do IBM Cloud. Se necessário, selecione uma região diferente.

6. Clique em Implementar.

7. O processo de implementação pode levar alguns minutos. Para verificar o status da implementação, clique em Status na guia Versões ao lado da versão que você implementou. Se o modelo ainda estiver sendo implementado, o status indicará "publicando". Após a implementação ser concluída, o status mudará para "disponível", se a implementação foi bem-sucedida, ou para "erro", se ocorreram problemas.

   Quando disponível, anote o ID do modelo (model_id). Você fornecerá esse ID para o serviço do Natural Language Understanding para ativar o serviço para usar o seu modelo customizado.

O quê fazer em seguida

É possível listar o modelo implementado na instância de serviço do Natural Language Understanding chamando o método de API a seguir.

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

Quaisquer modelos implementados serão retornados em uma matriz semelhante à seguinte:

{
  "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"
    }
  ]
}

O {workspace_id}, a {version_description} e {version} todos corresponderão às informações listadas na página Versões de sua instância de serviço do Knowledge Studio.

Para usar o modelo implementado, deve-se especificar o ID do modelo de seu modelo customizado no parâmetro entities.model de uma chamada de análise.

É possível usar o modelo com a solicitação do Natural Language Understanding GET /analyzeo para extrair os recursos a seguir:

• entidades

  O comando a seguir localiza as entidades presentes na sentença que é passada usando o parâmetro 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"
            }
          }
       }'
  

  O serviço retorna um objeto JSON de instâncias que ele localiza de tipos de entidade que são definidos no modelo customizado:

  {
    "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"
  }
  

• relações

  O comando a seguir localiza os relacionamentos que estão presentes na sentença que é passada usando o parâmetro 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"
            }
          }
       }'
  

  O serviço retorna um objeto JSON de instâncias que ele localiza de tipos de relação que estão definidos no modelo customizado:

  {
    "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 obter mais informações, consulte a documentação do site Natural Language Understanding.

Procedimento

Para remover a implementação de modelos ou localizar IDs de modelo:

1. Ative o Knowledge Studio.
2. No menu Configurações na barra de menus superior direita, selecione Gerenciar modelos implementados.
3. Na lista de modelos implementados, localize o modelo que você deseja visualizar ou do qual deseja remover a implementação.
4. Para remover a implementação do modelo, na última coluna dessa linha, clique em Remover a implementação do modelo.
5. Para localizar o ID do modelo, veja a coluna ID do modelo.

Como alternativa, é possível remover a implementação de modelos de páginas de Versões para modelos baseados em regras e modelos de aprendizado de máquina.

Antes de Iniciar

Se você escolhe identificar os tipos de relação e anotá-los, deve-se definir pelo menos dois tipos de relação e anotar as instâncias dos relacionamentos na verdade absoluta antes de exportar o modelo. A definição e anotação de somente um tipo de relação podem causar problemas subsequentes no IBM Watson Explorer, liberação 11.0.1.0.

Sobre essa tarefa

Agora que o modelo de aprendizado de máquina está treinado para reconhecer entidades e relacionamentos para um domínio específico, é possível alavancá-lo no IBM Watson Explorer.

Assista a um breve vídeo que ilustra como exportar um modelo e usá-lo no IBM Watson Explorer.

Procedimento

Para alavancar um modelo de aprendizado de máquina no IBM Watson Explorer, conclua as etapas a seguir.

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

2. Selecione ** Modelo de Aprendizado de Máquina ** > ** Versões **.

3. Clique em Exportar modelo atual.

   Se você tiver uma assinatura do plano Lite, nenhuma opção de exportação estará disponível.

   O modelo é salvo como um arquivo ZIP e você é solicitado a fazer download do arquivo.

4. Faça download do arquivo para o seu sistema local.

5. No aplicativo IBM Watson Explorer, importe o modelo.

   É possível então mapear o modelo para um modelo de aprendizado de máquina no Watson Explorer Content Analytics. Depois de executar a etapa de mapeamento, quando você efetua crawl dos documentos, o modelo localiza instâncias das entidades e relações que seu modelo entende. Para obter mais informações sobre como importar e configurar o modelo no IBM Watson Explorer, consulte o documento técnico que descreve a integração: Usando anotadores de aprendizado de máquina do Knowledge Studio no Watson Explorer.