Vorhersageergebnisse von Modellen zur Extraktion von Textentitäten interpretieren

Nach Anfordern einer Vorhersage gibt Vertex AI Ergebnisse abhängig vom Modellziel zurück. Vorhersagen aus Entitätsextraktionsmodellen geben Annotationen für jedes Dokument zurück, z. B. die Position der erkannten Entitäten, die zugewiesenen Labels und die Konfidenzwerte.

Die Konfidenz gibt an, wie sicher Ihr Modell die einzelnen Entitäten erkannt und mit Labels versehen hat. Je höher die Zahl, desto höher die Konfidenz des Modells bzgl. der Richtigkeit der Vorhersage.

Beispielausgabe für eine Batchvorhersage

Das folgende Beispiel ist das vorhergesagte Ergebnis für ein Entitätsextraktionsmodell, das dafür trainiert wurde, Krankheiten zu erkennen. Die Offsets (Start- und Endzeichen-Offsets) geben den Ort an, an dem das Modell eine Entität im Dokument erkannt hat. Das Feld content zeigt die erkannte Entität an.

Die Anzeigenamen zeigen die Labels an, die das Modell jeder Entität zugeordnet hat, z. B. SpecificDisease oder DiseaseClass. Die Labels werden den Textsegmenten der Reihe nach zugeordnet.

Hinweis: Das folgende Beispiel für JSON-Zeilen enthält Zeilenumbrüche zur besseren Lesbarkeit. In Ihren JSON-Zeilendateien werden Zeilenumbrüche nach jedem JSON-Objekt einbezogen.

{
  "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
    ]
  }
}