Prediksi Conditional Random Field - Platform For AI

Komponen Prediksi Conditional Random Field adalah komponen algoritma yang disediakan oleh Machine Learning Designer (sebelumnya dikenal sebagai Machine Learning Studio) berdasarkan model prediksi online Linear Conditional Random Field (LinearCRF). Komponen ini digunakan untuk menangani tugas penandaan urutan. Topik ini menjelaskan cara mengonfigurasi parameter untuk komponen Prediksi Conditional Random Field dan memberikan contoh penggunaannya.

Konfigurasikan parameter

Anda dapat mengonfigurasi parameter untuk komponen Prediksi Conditional Random Field di konsol Platform for AI (PAI).

Parameter	Deskripsi
ID Columns	Kolom yang berisi ID dari setiap sampel. Sampel disimpan dalam n-tupel.
Feature Columns	Kata yang akan dianotasi dan fiturnya.
Target Columns	Kolom yang ingin Anda pilih.
Prediction Result Column	Nama kolom hasil prediksi. Nilai default: prediction_result.
Prediction Score Column	Nama kolom skor prediksi. Nilai default: prediction_score.
Prediction Detail Column	Nama kolom detail prediksi. Anda dapat membiarkan parameter ini kosong jika Anda tidak memerlukan kolom detail prediksi.

Contoh

Dalam fase prediksi online dari model prediksi online LinearCRF, Anda harus menggunakan model pelatihan dengan struktur input/output (I/O). Tabel berikut menggambarkan format tabel data pelatihan.

sentence_id	word	f1	f2	label
1	Rockwell	NNP	POS	B-NP
1	International	NNP	NP	I-NP
1	Corp	NNP	PO	I-NP
1	's	POS	NN	B-NP
...	...	...	...	...

Nama fitur word, f1, dan f2 dalam format input harus sesuai dengan nama kolom fitur pada tabel data pelatihan. Dalam permintaan input untuk prediksi online, pisahkan fitur kata yang berbeda dengan spasi. Kode berikut menunjukkan format input model prediksi online LinearCRF:

{
       "inputs":[
         {
               "word":{
                    "dataType": 50,
                    "dataValue":"Rockwell International Corp 's ..."
                },
                 "f1": {
                   "dataType": 50,
                   "dataValue":"NNP NNP NNP POS ..."
                },
                 "f2": {
                   "dataType": 50,
                   "dataValue":"POS NP PO NN ..."
                }
         }]
}

Pada bagian outputValue dari format output, bidang prediction_result, prediction_score, dan prediction_detail yang sesuai dengan semua kata dalam format input dihasilkan dalam format JSON. Kode berikut menunjukkan format output model prediksi online LinearCRF:

{
    "outputs": [
    {
       "outputLabel": "CRFProcessor_Result",
       "outputValue": {
        "dataType": 50,
        "dataValue": {
            "Rockwell NNP POS": {
            "prediction_result":"B-NP",
            "prediction_score":0.99,
            "prediction_detail":{"B-ADJP":0.000145, "B-NP":0.99, ...}
            },
            "International NNP NP": ...
        }
       }
    }
    ]
}

Jika format input tidak valid, program akan menampilkan pesan kesalahan seperti yang ditunjukkan dalam kode berikut:

{
    "outputs": [
    {
       "outputLabel": "CRFProcessor_Result",
       "outputValue": {
        "dataType":50,
        "dataValue": "Gagal: Format input salah"
       }
    }
    ]
}