开始之前

您必须具有对 Watson Discovery 服务实例的管理访问权，并且知道与其关联的 IBM Cloud 空间和实例名称。

过程

要将基于规则的模型部署到 Watson Discovery，请完成以下步骤：

1. 以 Knowledge Studio 管理员或项目经理身份登录，然后选择工作空间。

2. 选择基于规则的模型 > 版本 > 基于规则的模型选项卡。

3. 选择要部署的模型版本。

   如果模型只有一个有效版本，请通过单击保存用于部署来保存当前模型以用于部署。 这将对模型进行版本控制（支持您部署一个版本），同时您可继续改进当前版本。 保存版本可能需要几分钟时间。 创建版本之后，才会显示用于部署的选项。

   注：每个版本只能部署在一个服务实例上。 如果要将同一模型部署到多个实例上，请为每个实例创建一个版本。

4. 单击部署，选择将其部署到 Discovery，然后单击下一步。

5. 提供 IBM Cloud 空间和实例。 如果需要，请选择其他区域。

6. 单击部署。

7. 部署过程可能需要几分钟时间。 要检查部署的状态，请单击版本选项卡上已部署版本旁边的状态。

   如果模型仍在部署中，状态会指示“正在发布”。 部署完成后，如果部署成功，那么状态会更改为“可用”；如果发生问题，那么状态会更改为“错误”。

   一旦状态变为可用，请记下模型标识 (model_id)。

后续操作

要使用该模型，必须导出该模型，然后将其导入到 Discovery中。

1. 选择基于规则的模型 > 版本 > 基于规则的模型选项卡。

2. 单击导出当前模型。

   如果您拥有的是轻量套餐预订，就没有可用的导出选项。

   模型会另存为 PEAR 文件，系统会提示您下载该文件。 PEAR（处理引擎归档）文件是 UIMA 组件的 UIMA 标准封装格式。 模型以 PEAR 格式保存，以便在 UIMA 应用程序中进行分发和复用。

3. 将该文件下载到本地系统。

4. 从 Discovery 服务中，执行创建 Machine Learning 扩充项 (包括上载 PEAR 文件) 的步骤。 有关更多详细信息，请参阅 Discovery v2 文档中的 Machine Learning 模型 。

如果您正在使用 Discovery v1 服务实例，那么必须在 Discovery 服务扩充配置过程中请求模型标识时提供该标识。 有关更多信息，请参阅 Discovery v1 文档中的 将定制模型与 Discovery 工具集成 。

开始之前

您必须具有对 Natural Language Understanding 服务实例的管理访问权，并且知道与其关联的 IBM Cloud 空间和实例名称。

过程

要将基于规则的模型部署到 Natural Language Understanding，请完成以下步骤：

1. 以 Knowledge Studio 管理员或项目经理身份登录，然后选择工作空间。

2. 选择基于规则的模型 > 版本 > 基于规则的模型选项卡。

3. 选择要部署的模型版本。

   如果模型只有一个有效版本，请通过单击保存用于部署来保存当前模型以用于部署。 这将对模型进行版本控制（支持您部署一个版本），同时您可继续改进当前版本。 保存版本可能需要几分钟时间。 创建版本之后，才会显示用于部署的选项。

   注：每个版本只能部署在一个服务实例上。 如果要将同一模型部署到多个实例上，请为每个实例创建一个版本。

4. 单击部署，选择将其部署到 Natural Language Understanding，然后单击下一步。

5. 提供 IBM Cloud 空间和实例。 如果需要，请选择其他区域。

6. 单击部署。

7. 部署过程可能需要几分钟时间。 要检查部署的状态，请单击版本选项卡上已部署版本旁边的状态。

   如果模型仍在部署中，状态会指示“正在发布”。 部署完成后，如果部署成功，那么状态会更改为“可用”；如果发生问题，那么状态会更改为“错误”。

   一旦状态变为可用，请记下模型标识 (model_id)。 您将需要向 Natural Language Understanding 服务提供此标识，使该服务能够使用您的定制模型。

后续操作

要使用部署的模型，必须在 entities.model 参数中指定定制模型的模型标识。

可以将模型与 Natural Language Understanding GET /analyze 请求配合使用来抽取实体。

有关更多详细信息，请参阅 Natural Language Understanding 文档。

过程

要取消部署模型或查找模型标识，请执行以下操作：

1. 启动 Knowledge Studio。
2. 从右上角菜单栏中的设置菜单中，选择管理部署的模型。
3. 从已部署模型的列表中，找到要查看或取消部署的模型。
4. 要取消部署模型，请在该模型所在行的最后一列中，单击取消部署模型。
5. 要查找模型标识，请查看模型标识列。

或者，也可以从基于规则的模型和机器学习模型的“版本”页面中取消部署模型。

过程

要在 IBM Watson Explorer 中利用基于规则的模型，请完成以下步骤。

1. 以 Knowledge Studio 管理员或项目经理身份登录，然后选择工作空间。

2. 选择基于规则的模型 > 版本 > 基于规则的模型选项卡。

3. 单击导出当前模型。

   如果您拥有的是轻量套餐预订，就没有可用的导出选项。

   模型会另存为 PEAR 文件，系统会提示您下载该文件。 PEAR（处理引擎归档）文件是 UIMA 组件的 UIMA 标准封装格式。 模型以 PEAR 格式保存，以便在 UIMA 应用程序中进行分发和复用。

4. 将该文件下载到本地系统。

5. 在 IBMWatson Explorer 应用程序中，导入该 PEAR 文件。