テキスト エンティティ抽出モデルの予測結果を解釈する

2024 年 9 月 15 日以降、分類、エンティティ抽出、感情分析の目標をカスタマイズするには、Vertex AI Gemini のプロンプトとチューニングに移行する必要があります。Vertex AI AutoML Text のモデルを、分類、エンティティ抽出、感情分析の目標に向けてトレーニングまたは更新することはできなくなります。既存の Vertex AI AutoML Text モデルは、2025 年 6 月 15 日まで引き続き使用できます。AutoML Text と Gemini の比較については、AutoML Text ユーザー向けの Gemini をご覧ください。プロンプト機能の向上による Gemini のユーザー エクスペリエンスの改善について詳しくは、チューニングの概要をご覧ください。チューニングを開始するには、Gemini テキストモデルのモデル チューニングをご覧ください。

予測をリクエストすると、Vertex AI がモデルの目的に基づいて結果を返します。エンティティ抽出モデルからの予測によって、検出されたエンティティの場所、割り当てられたラベル、信頼スコアなど、各ドキュメントのアノテーションが返されます。

この信頼度は、モデルが各エンティティを正確に識別してラベルを付ける際の信頼度を表します。数値が大きいほど、予測の正確さという面でモデルの信頼度が高くなります。

バッチ予測の出力例

次のサンプルは、疾患を検出するようにトレーニングされたエンティティ抽出モデルの予測結果です。オフセット（開始文字と終了文字のオフセット）は、モデルがドキュメント内のエンティティを検出した位置を指定し、content フィールドには検出されたエンティティが表示されます。

表示名には、モデルが各エンティティに関連付けられたラベルが表示されます（SpecificDisease、DiseaseClass など）。ラベルはテキスト セグメントに順番にマッピングされます。

注: 次の JSON Lines の例では、読みやすくするために改行が挿入されています。実際の JSON Lines ファイルでは、各 JSON オブジェクトの後にのみ改行が挿入されています。

{
  "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
    ]
  }
}