ai-center
2021.10
false
- リリース ノート
- はじめる前に
- 基本情報
- Automation Suite をインストールする
- 移行とアップグレード
- プロジェクト
- データセット
- ML パッケージ
- パイプライン
- ML スキル
- ML ログ
- AI Center での Document Understanding
- 使い方
- 継続学習するカスタム NER を使用する
- 基本的なトラブルシューティング ガイド
継続学習するカスタム NER を使用する
重要 :
このコンテンツの一部は機械翻訳によって処理されており、完全な翻訳を保証するものではありません。
AI Center ガイド
Last updated 2024年6月6日
継続学習するカスタム NER を使用する
ここでは、研究論文で言及されている化学物質をカテゴリ別に抽出する方法を例に説明します。以下の手順に従って化学物質を抽出し、ABBREVIATION、FAMILY、FORMULA、IDENTIFIER、MULTIPLE、SYSTEMATIC、TRIVIAL および NO_CLASS に分類します。
この手順では、Custom Named Entity Recognition (カスタム固有表現抽出) パッケージを使用します。このパッケージの機能と用途については、「Custom Named Entity Recognition (カスタム固有表現抽出)」をご覧ください。
この手順は、以下のサンプル ファイルを使用して実行します。
- CoNLL 形式の事前にラベル付けされたトレーニング データセット。こちらからダウンロードできます。
- 事前にラベル付けされたテスト データセット。こちらからダウンロードできます。
- 研究論文で言及されている化学物質をカテゴリ別に抽出するためのサンプル ワークフロー。こちらからダウンロードできます。
注: サンプル ファイルに以下の変数が入力されていることを確認してください。
in_emailAdress
- Action Center タスクが割り当てられるメール アドレスin_MLSkillEndpoint
- ML スキルのパブリック エンドポイントin_MLSkillAPIKey
- ML スキルの API キーin_labelStudioEndpoint
- (任意) 継続的なラベル付けを可能にします。Label Studio プロジェクトのインポート URL を指定します。
研究論文で言及されている化学物質をカテゴリ別に抽出するには、以下の手順に従います。
- AI Center にサンプル データセットをインポートします。そのためには、[ データセット] メニューに移動し、サンプルからトレーニングおよびテスト フォルダーをアップロードします。
- [ML パッケージ] > [すぐに使えるパッケージ] > [UiPath Language Analysis (UiPath 言語分析)] から目的のカスタム NER パッケージを選択して作成します。
- [パイプライン] メニューに移動して、前の手順で作成したパッケージの新しいフル パイプライン実行を作成します。サンプル ファイルで提供されているトレーニングおよびテスト データセットを指定します。
- 前の手順のパイプライン実行で生成されたパッケージを使用して新しい ML スキルを作成し、デプロイします。
- スキルをデプロイしたら、提供されている UiPath Studio ワークフローで利用します。 予測精度の低いデータをキャプチャできるようにするため、Label Studio インスタンスをデプロイして、ワークフローの Label Studio アクティビティに対するインスタンス URL と API キーを入力します。
Label Studio の使用を開始して、AI Center にデータをエクスポートするには、以下の手順に従います。
- ローカル マシンまたはクラウド インスタンスに Label Studio をインストールします。こちらの手順に従ってください。
- Named Entity Recognition (固有表現抽出) テンプレートから新しいプロジェクトを作成して、ラベル名を指定します。
- ラベル名に特殊文字やスペースが含まれていないことを確認します。たとえば、
Set Date
ではなくSetDate
を使用します。 <Text>
タグの値が"$text"
であることを確認します。- こちらの API を使用してデータをアップロードします。
cURL 要求の例:
curl --location --request POST 'https://<label-studio-instance>/api/projects/<id>/import' \)\) --header 'Content-Type: application/json' \)\) --header 'Authorization: Token <Token>' \)\) --data-raw '[ { "data": { "text": "<Text1>" }, }, { "data": { "text": "<Text2>" } } ]'
curl --location --request POST 'https://<label-studio-instance>/api/projects/<id>/import' \)\) --header 'Content-Type: application/json' \)\) --header 'Authorization: Token <Token>' \)\) --data-raw '[ { "data": { "text": "<Text1>" }, }, { "data": { "text": "<Text2>" } } ]' - データに注釈を付けます。
- データを CoNLL 2003 形式でエクスポートし、AI Center にアップロードします。
- 不正確で信頼度の低い予測をキャプチャするために、提供されているサンプル ワークフローで Label Studio インスタンスの URL と API キーを入力します。