IBM Watson Knowledge Studio is een service die organisaties helpt om meer inzichten uit hun ongestructureerde tekstdata te halen. IBM Watson Studio maakt het mogelijk om Watson de taal van uw domein te leren. Met Watson Knowledge Studio kunnen custom modellen gemaakt worden, die entiteiten en relaties in tekstbestanden kunnen herkennen. Deze modellen kunnen vervolgens eenvoudig gebruikt worden binnen IBM Watson services, zoals IBM Watson Discovery en Watson Natural Language Understanding.
Custom machine learning annotator
Annotators kunnen verschillende onderdelen, zoals entiteiten (bijvoorbeeld personen, locaties of organisaties) te herkennen in ongestructureerde data en deze vervolgens markeren als annotaties. In Watson Knowledge Studio kunt op basis van machine learning technieken eenvoudig uw eigen annotator componenten maken. U kunt een machine learning model maken en trainen dat entiteiten en relaties tussen entiteiten herkent die waardevol zijn voor uw organisatie. Dit kan gedaan worden zonder gebruik te maken van code. De Watson Knowledge Studio omgeving is zowel voor developers als domeinexperts ontwikkeld en is erop gericht dat u eenvoudig met meerdere mensen samen kunt werken.
Functionaliteiten
- Intuïtieve gebruikersinterface – Het annoteren, trainen, evalueren en in productie brengen van modellen is samengebracht in één intuïtieve gebruikersinterface. Om een machine learning model te trainen kunt u woorden in een set van voorbeelddocumenten simpelweg markeren.
- Model evaluatie – Zodra een model getraind is, wordt deze geëvalueerd. In het dashboard vindt u kwantitatieve maten, zoals precision, recall, and inter-annotator agreement.
- Model eenvoudig implementeren – Watson Knowledge Studio biedt een overzicht voor het in productie brengen van modellen. Hier kunt u modellen ook direct in productie te brengen voor Watson Discovery, Watson Natural Language Understanding, of Watson Explorer
- Pre-annotatie – Door middel van pre-annotatie kunt u het annotatieproces aanzienlijk versnellen. Dit kan toegepast worden op basis van woordenboeken, regels of Natural Language Understanding.
- Rule-based annotator (experimentele functie) – Het is ook mogelijk om rule-based annotators te maken. Dit type annotator herkent specifieke patronen in de tekst te herkennen, zoals e-mailadressen of datums. Hiervoor worden regels, woordenboeken of reguliere expressies gebruikt.
Demo
Bekijk onderstaande demo en verkrijg meer inzicht in de mogelijkheden van IBM Watson Knowledge studio.