此文件適用於 IBM Watson® Knowledge Studio on IBM Cloud®。 若要查看舊版 Knowledge Studio on IBM Marketplace 的文件,請按一下此鏈結。
使用機器學習模型
運用您以 Knowledge Studio 訓練的機器學習模型,讓它可用於其他 Watson 應用程式。
您可以部署或匯出機器學習模型。 字典或 Natural Language Understanding 預先註釋程式只能用來在 Knowledge Studio 內預先註釋文件。
IBM Watson 服務託管於 IBM Cloud®,這是 IBM 的雲端平台。 如需平台的相關資訊,請參閱何謂 IBM Cloud?。 若要訂閱 IBM Watson 服務,請從網站建立帳戶。IBM Cloud 網站。
對於某些服務,您必須知道計劃部署到其中的服務實例的相關詳細資料,例如 IBM Cloud 空間名稱和服務實例名稱。 空間和實例名稱資訊可從 IBM Cloud 服務頁面取得。
您也可以使用機器學習模型來預先註釋新文件。 如需詳細資料,請參閱使用機器學習模型預先註釋文件。
將機器學習模型部署至 IBM Watson Discovery
當此模型的效能符合您的要求時,您可以將這個版本部署至 IBM Watson Discovery。 此特性可讓您的應用程式使用已部署的機器學習模型,來強化從資料取得的見解,以包括與您領域相關的概念及關係的識別。
程序
若要將機器學習模型部署至 WatsonDiscovery,請完成下列步驟:
-
以 Knowledge Studio 管理者或專案經理身分登入,並選取您的工作區。
-
選取機器學習模型 > 版本。
-
按一下匯出現行模型。
如果您有「精簡」訂閱方案,則沒有可用的匯出選項。
此模型會儲存為 ZIP 檔,系統會提示您下載該檔案。
-
將檔案下載至本端系統。
-
從 Discovery 應用程式,匯入模型。
下一步
請參閱 Discovery 文件中的 Machine Learning 模型。
將機器學習模型部署至 IBM Watson Natural Language Understanding
當此模型的效能符合您的要求時,您可以將這個版本部署至 IBM Watson Natural Language Understanding。 此特性可讓您的應用程式使用已部署的機器學習模型,來分析文字輸入的語意特性,包括實體及關係。
開始之前
您必須具有要部署至其中的 Natural Language Understanding 服務。 而且您必須知道與服務相關聯的 IBM Cloud 空間及實例名稱。 如果您不記得空間或實例名稱,請登入 IBM Cloud 來尋找它們。 如果您沒有 IBM Cloud 帳戶,則請註冊一個帳戶。
關於此作業
部署機器學習模型時,您可以選取要部署的版本。
程序
若要將機器學習模型部署至 Natural Language Understanding 服務,請完成下列步驟:
-
以 Knowledge Studio 管理者或專案經理身分登入,並選取您的工作區。
-
選取機器學習模型 > 版本。
-
選擇您要部署的模型版本。
如果模型只有一個工作版本,請建立現行模型的 Snapshot。 這會版本化模型(其可讓您部署一個版本),同時您可以繼續改善現行版本。 除非您至少建立一個版本,否則不會出現部署選項。
每一個版本可以部署至任意數量的服務實例。 模型版本的每個已部署實例會有唯一的模型 ID,但在所有其他方面都是一樣的。
-
按一下部署,選擇將其部署至 Natural Language Understanding,然後按下一步。
-
選取 IBM Cloud 空間及實例。 必要的話,請選取不同的地區。
-
按一下部署。
-
部署程序可能需要一些時間。 若要檢查部署的狀態,請按一下已部署版本旁的版本標籤上的狀態。 如果模型仍在進行部署,則狀態會指出「發佈中」。 部署完成之後,如果部署成功,則狀態會變更為「可用」;如果發生問題,則狀態會變更為「錯誤」。
一旦可用之後,請記下模型 ID (model_id)。 您會將此 ID 提供給 Natural Language Understanding 服務,以讓服務使用您的自訂模型。
下一步
您可以呼叫下列 API 方法,以列出 Natural Language Understanding 服務實例中所部署的模型。
curl --user "apikey:{apikey}" "{url}/v1/models?version=2018-11-16"
任何部署的模型都會透過類似下列內容的陣列形式傳回:
{
"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"
}
]
}
{workspace_id}、{version_description} 和 {version} 都會與 Knowledge Studio 服務實例的版本頁面上列出的資訊相符。
若要使用已部署的模型,您必須在 entities.modelanalyze** 呼叫的 ** 參數中指定自訂模型的模型 ID。
您可以使用此模型與 Natural Language Understanding GET /analyze 要求搭配,以擷取下列特性:
-
entities
下列指令會尋找使用 text 參數傳遞之句子中存在的實體:
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" } } }'該服務會傳回實例的 JSON 物件(它找到在自訂模型中所定義的實體類型)。
{ "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" } -
relations
下列指令會尋找使用 text 參數傳遞之句子中存在的關係:
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" } } }'該服務會傳回實例的 JSON 物件(它找到在自訂模型中所定義的關係類型)。
{ "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" }
如需詳細資訊,請參閱 Natural Language Understanding 文件。
將相同的模型版本部署到多個服務
如果您要將相同機器學習模型的特定版本部署到多個 IBM Watson 服務實例,請導覽至版本頁面,然後按一下要部署到其他服務的版本所在列上的部署鏈結。
取消部署模型
如果您要取消部署模型或尋找模型 ID,請檢視已部署的模型頁面。
程序
若要取消部署模型或尋找模型 ID,請執行下列動作:
- 啟動 Knowledge Studio。
- 從右上角功能表列的設定功能表中,選取管理已部署的模型。
- 從已部署的模型清單中,尋找您要檢視或取消部署的模型。
- 若要取消部署模型,請從該列的最後一個直欄中,按一下取消部署模型。
- 若要尋找模型 ID,請參閱模型 ID 直欄。
或者,您也可以從以規則為基礎的模型及機器學習模型的「版本」頁面中取消部署模型。
刪除版本
如果您要刪除相同機器學習模型的特定版本,請導覽至版本頁面,然後按一下要刪除的版本所在列上的刪除鏈結。 附註:只有在未與已部署模型與模型版本相關聯時,刪除模型版本鏈結才處於作用中狀態。 在刪除版本之前,請取消部署所有相關聯的模型。
在 IBM Watson Explorer 中運用機器學習模型
匯出經過訓練的機器學習模型,以在 IBMWatson Explorer 中使用它。
開始之前
如果您選擇識別關係類型並註釋它們,則必須至少定義兩個關係類型,並在您匯出模型之前在基準中註釋關係的實例。 定義及註釋唯一的關係類型,可能會在 IBM Watson Explorer 11.0.1.0 版中造成後續的問題。
關於此作業
既然機器學習模型已經過訓練可辨識特定領域的實體及關係,您就可以在 IBM Watson Explorer 中運用它。
觀看簡短的影片,說明如何匯出模型並在 IBM Watson Explorer 中使用。
程序
若要在 IBM Watson Explorer 中運用機器學習模型,請完成下列步驟。
-
以 Knowledge Studio 管理者或專案經理身分登入,並選取您的工作區。
-
選取機器學習模型 > 版本。
-
按一下匯出現行模型。
如果您有「精簡」訂閱方案,則沒有可用的匯出選項。
此模型會儲存為 ZIP 檔,系統會提示您下載該檔案。
-
將檔案下載至本端系統。
-
從 IBM Watson Explorer 應用程式中,匯入模型。
然後,您可以將模型對映至 Watson Explorer Content Analytics 中的機器學習模型。 執行對映步驟之後,當您搜索文件時,此模型會尋找您的模型所瞭解的實體及關係的實例。 有關如何在 IBM Watson Explorer 中匯入和設定模型的詳細資訊,請參閱說明整合的技術文件:在 Watson Explorer 中使用來自 Knowledge Studio 的機器學習註解器。