Téléchargement par lot

La CLI vous permet de télécharger des commentaires et des prédictions par lots. Ceci est très utile pour l'importation de scripts dans des outils d'analyse qui ne nécessitent pas de connexion en direct.

Remarque : Cette section suppose que vous avez déjà installé et configuré la CLI.

Téléchargement de commentaires avec des prédictions

La commande ci-dessous téléchargera tous les commentaires et prédictions dans la source et l'ensemble de données spécifiés. Notez que le nom de l'ensemble de données et le nom de la source doivent être préfixés par le nom du projet dans lequel ils se trouvent. Si l'ensemble de données contient plusieurs sources, vous devez émettre cette commande pour chaque source pour télécharger tous les commentaires dans l'ensemble de données.

re get comments project/source-name --dataset project/dataset-name --predictions=true -f output.jsonl

Quelle version de modèle la CLI utilise-t-elle pour obtenir des prédictions ?

La CLI téléchargera les dernières prédictions calculées disponibles. Ce sont les mêmes prédictions affichées dans l’interface utilisateur.

Attention : Puis-je transmettre une version spécifique du modèle à la CLI ?

Si vous avez besoin de prédictions à partir d'une version de modèle spécifique, envisagez d'utiliser les flux ou les routages d'API de prédiction .

Traitement de données

Remarque : comme l'API, la CLI renvoie les libellés prédits avec les scores de confiance. Afin de traiter correctement les scores de confiance, assurez-vous de vérifier les sections Utilisation de libellés dans l'automatisation (Using Labels in Automation ) et Utilisation de libellés dans l' analyse (Using Labels in Analytics ) de la documentation Libellés.

La CLI renvoie les données au format JSONL (également appelé JSON délimité par nouvelle ligne), où chaque ligne est une valeur JSON. De nombreux outils seront capables de traiter les fichiers JSONL prêts à l'emploi. Veuillez contacter l’assistance si vous avez des questions.

Chaque ligne du fichier JSONL aura le format suivant :

{
  "comment": {...},
  "labelling": {
    "assigned": [...]
    "predicted": [...]
  },
  "entities": {
    "assigned": [...]
    "predicted": [...]
  }
}

Nom du champ	DESCRIPTION
comment	Objet de commentaire au format décrit ici.
labelling.assigned	Liste des libellés attribués, au format décrit ici.
entities.assigned	Liste des entités attribuées, au format décrit ici.
labelling.predicted	Liste des libellés prévus, au format décrit ici.
entities.predicted	Liste des entités prévues, au format décrit ici.

Notez que le champ labelling ou entities peut être complètement absent si le commentaire n'a ni libellés ni entités attribués ni prédits.

Vous trouverez ci-dessous un exemple de commentaire avec des prédictions téléchargées à partir d'un ensemble de données réel.

{
  "comment": {
    "id": "1234abcd",
    "uid": "5678ef.1234abdc",
    "timestamp": "2021-02-01T00:00:00Z",
    "messages": [
      {
        "body": {
          "text": "The hot chocolate biscuit on arrival raised my expectations"
        }
      }
    ],
    "user_properties": {
      "string:Question": "What did you like about your stay",
      "number:Reviewer Score": 5.4,
      "number:Average Score": 8.4,
      "number:Reviewer Total Number Of Reviews": 1,
      "string:Hotel Name": "DoubleTree by Hilton London Victoria"
    },
    "created_at": "2021-02-01T00:00:00Z"
  },
  "labelling": {
    "predicted": [
      {
        "name": "Refreshments",
        "sentiment": 0.3598046874571062,
        "probability": 0.54764723591506481
      },
      {
        "name": "Property",
        "sentiment": 0.6684685489411859,
        "probability": 0.417815982922911644
      }
    ]
  }
}