Interpreta los resultados de las predicciones de los modelos de extracción de entidades de texto

A partir del 15 de septiembre de 2024, solo podrás personalizar los objetivos de clasificación, extracción de entidades y análisis de opiniones; para ello, deberás migrar a las instrucciones y los ajustes de Gemini de Vertex AI. Los modelos de entrenamiento o actualización de AutoML de Vertex AI para los objetivos de clasificación de texto, extracción de entidades y análisis de opiniones ya no estarán disponibles. Puedes seguir usando los modelos de texto de AutoML de Vertex AI existentes hasta el 15 de junio de 2025. Para comparar el modelo de texto de AutoML y Gemini, consulta Gemini para los usuarios del modelo de texto de AutoML. Para obtener más información acerca de cómo Gemini ofrece una experiencia del usuario mejorada a través de funciones de mensajes mejoradas, consulta Introducción al ajuste. Para comenzar a ajustar, consulta Ajuste de modelos para modelos de texto de Gemini

Después de solicitar una predicción, Vertex AI muestra resultados según el objetivo de tu modelo. Las predicciones de los modelos de extracción de entidades muestran anotaciones para cada documento, como la ubicación de las entidades detectadas, las etiquetas asignadas y las puntuaciones de confianza.

La confianza comunica el nivel de confianza que tu modelo identificó y etiquetó con precisión cada entidad. Cuanto más alto sea el número, mayor será la confianza del modelo en la precisión de la predicción.

Ejemplo de resultado de la predicción por lotes

La siguiente muestra es el resultado previsto de un modelo de extracción de entidades que se entrenó para detectar fallas. Las compensaciones (desplazamientos de caracteres de inicio y fin) especifican la ubicación donde el modelo detectó una entidad en el documento, y el campo content muestra la entidad detectada.

Los nombres visibles muestran las etiquetas que el modelo asoció con cada entidad, como SpecificDisease o DiseaseClass. Las etiquetas se asignan a los segmentos de texto en orden.

Nota: El siguiente ejemplo de líneas de JSON incluye saltos de línea para facilitar la lectura. En tus archivos de líneas de JSON, los saltos de línea se incluyen solo después de cada objeto JSON.

{
  "key": 1,
  "predictions": {
    "ids": [
      "1234567890123456789",
      "2234567890123456789",
      "3234567890123456789"
    ],
    "displayNames": [
      "SpecificDisease",
      "DiseaseClass",
      "SpecificDisease"
    ],
    "textSegmentStartOffsets":  [13, 40, 57],
    "textSegmentEndOffsets": [29, 51, 75],
    "confidences": [
      0.99959725141525269,
      0.99912621492484128,
      0.99935531616210938
    ]
  }
}