条件付き確率場予測（Conditional Random Field Prediction）コンポーネントは、Machine Learning Designer（旧称：Machine Learning Studio）が提供するアルゴリズムコンポーネントであり、オンライン予測モデルである Linear Conditional Random Field（LinearCRF）に基づいています。このコンポーネントは、系列ラベリングタスクを処理するために使用されます。本トピックでは、条件付き確率場予測コンポーネントのパラメーター設定方法について説明します。また、このコンポーネントの使用例も紹介します。
パラメーターの設定
Designer でコンポーネントのパラメーターを視覚的に設定できます。
|
パラメーター |
説明 |
|
ID 列の選択 |
サンプルは N タプルとして格納されます。ID 列には各サンプルの一意な ID が含まれます。 |
|
特徴列の選択 |
注釈を付与する単語とその対応する特徴です。 |
|
ターゲット列の選択 |
ターゲット列を選択します。 |
|
予測結果列 |
予測結果列の名前です。デフォルト値は prediction_result です。 |
|
予測スコア列 |
予測スコア列の名前です。デフォルト値は prediction_score です。 |
|
予測詳細列 |
予測詳細列の名前です。予測詳細列が不要な場合は、このパラメーターを空のままにしてください。 |
使用例
LinearCRF のオンライン予測フェーズでは、Model I/O フォーマットの学習済みモデルが必要です。学習データテーブルは以下のフォーマットを使用します。
|
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 |
|
... |
... |
... |
... |
... |
入力フォーマット内の特徴名 word、f1、および f2 は、学習データテーブル内の特徴列名と一致している必要があります。オンライン予測の入力リクエストでは、異なる単語の特徴はスペースで区切られます。LinearCRF オンライン予測モデルの入力フォーマットは以下のとおりです。
{
"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 ..."
}
}]
}出力では、入力リクエスト内のすべての単語に対して prediction_result、prediction_score、および prediction_detail が返されます。結果は outputValue 内で JSON フォーマットで提供されます。LinearCRF オンライン予測モデルの出力フォーマットは以下のとおりです。
{
"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": ...
}
}
}
]
}入力フォーマットが正しくない場合、プログラムは以下のようなエラーメッセージを返します。
{
"outputs": [
{
"outputLabel": "CRFProcessor_Result",
"outputValue": {
"dataType":50,
"dataValue": "Failed: The input format is incorrect"
}
}
]
}