将自定义命名实体识别与持续学习结合使用

背景信息

本示例用于按研究论文中提及的类别提取化学物。按照以下过程提取化学物，并将其分类为 ABBREVIATION、FAMILY、FORMULA、IDENTIFIER、MULTIPLE、SYSTEMATIC、TRIVIAL 和 NO_CLASS。

先决条件

此过程使用“自定义命名实体识别”包。有关此包的工作原理及其用途的更多信息，请参见自定义命名实体识别。

对于此过程，我们提供了如下示例文件：

• CoNLL 格式的预标记训练数据集。可以从此处下载它。
• 预标记的测试数据集。可以从此处下载它。
• 用于提取研究论文中提到的化学物类别的工作流示例。可以从此处下载它。
  注意：确保填写示例文件中的以下变量：

  • in_emailAdress - Action Center 任务将分配到此电子邮件地址
  • in_MLSkillEndpoint - ML 技能的公共端点
  • in_MLSkillAPIKey - ML 技能的 API 密钥
  • in_labelStudioEndpoint - 可选，用于启用连续标记：提供 Label Studio 项目的 导入 URL

程序

按照以下步骤，按研究论文中的类别提取化学物。

1. 在UiPath™ AI Center中导入示例数据集。 为此，请转到 “数据集”菜单，并上传示例中的train和test文件夹。
2. 从“ML 包”>“开箱即用包”>“UiPath 语言分析”中选择所需的自定义命名实体识别包并创建。
3. 转到“管道”菜单，然后为上一步中创建的包创建一个新的完整管道运行。指向示例文件中提供的训练数据集和测试数据集。

   完成后，管道的结果将显示在“工件”下。您可以下载分类报告以评估测试结果。

4. 使用上一步中的管道运行生成的包创建新的 ML 技能并进行部署。
5. 部署技能后，即可在提供的UiPath™ Studio工作流中利用该技能。 要捕获具有弱预测的数据，请部署 Label Studio 实例，并在工作流的 Label Studio 活动中提供实例 URL 和 API 密钥。

Label Studio 入门

要开始使用 Label Studio 并将数据导出至 AI Center，请按照以下说明操作。

1. 在本地计算机或云实例上安装 Label Studio。为此，请按照此处的说明进行操作。
2. 根据命名实体识别模板创建一个新项目，并定义“标签名称”。
   
   

   

   
   
3. 确保标签名称没有特殊字符或空格。例如，使用 SetDate 代替 Set Date。
4. 请确保 <Text> 标签的值为 "$text"。
   
   

   

   
   
5. 使用此处的 API 上传数据。

   cURL 请求示例：

   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>"
          }
       }
   ]'

6. 标注数据。
7. 以 CoNLL 2003 格式导出数据，并将其上传到 AI Center。
8. 在提供的示例工作流中提供了 Label Studio 实例 URL 和 API 密钥，以捕获错误的预测和低可信度预测。