Linker

Die Aufgabe „Linker“ trainiert ein kleines Modell, das Ihre eigenen Labels mit den Entitäten Ihres RDF-Knowledge-Graphs abgleicht. Während der Entity Linker alles erkennt, was im Graphen steht, wird ein Linker für genau eine Aufgabe trainiert — und ist danach als API aufrufbar.

Warnung

Diese Aufgabe funktioniert nur mit RDF-Daten. Fügen Sie vorher eine Datenquelle RDF-Graph hinzu.

Die Aufgabe einrichten

Klicken Sie im Assistenten-Editor auf dem Tab General auf „Advanced“ und wählen Sie die Kachel „Linker“.
Klicken Sie auf Use , um die Seite des Assistenten zu öffnen. Der erste Tab listet die Linker dieses Assistenten auf — zunächst leer.

Einen Linker erstellen

Klicken Sie auf das + neben „Linkers“ und füllen Sie den Dialog „Add Linker“ aus:

Name — was dieser Linker abgleicht, etwa die Produktfamilie oder der Entitätstyp, den er abdeckt.
Language — die Sprache Ihrer Labels. Wählen Sie die tatsächliche Sprache statt „mehrsprachig“ zu lassen: Ein sprachübergreifend trainierter Linker arbeitet schlecht.
Your labels — ein Label je Zeile. Eine Zeile enthält entweder nur „label“ oder „originalUri“, „label“, wenn Sie bereits wissen, zu welcher Entität ein Label gehört.
CSV-Upload — statt zu tippen, laden Sie eine CSV mit Labels hoch (eine Datei, bis 5 MB). Für mehr als eine Handvoll Labels der praktikable Weg.

Info

Labels sind die Wörter und Ausdrücke, die Sie in den Daten erwarten — sie bringen dem Linker bei, eine Entität zu erkennen. Für einen Linker zum Cocktail „Margarita“ machen Labels wie „Tequila“, „Limettensaft“ und „Triple Sec“ ihn erst identifizierbar.

Warnung

Diese Aufgabe funktioniert nicht mit einem mehrsprachigen Assistenten. Legen Sie die Sprache des Assistenten vor dem Training fest, sonst erreicht der Linker unabhängig von den Labels nur schlechte Werte.

Aggregieren, evaluieren und trainieren

Ein neuer Linker ist noch nicht einsatzfähig: Zuerst sagen Sie ihm, welche Daten wirklich zu ihm gehören, prüfen das Ergebnis und trainieren ihn dann.

Aggregate

Auf dem Tab „Aggregate“ wählen Sie, welche Dateninstanzen der Linker verknüpfen soll. Ein Klick auf eine Zeile schaltet sie durch drei Zustände:

true — relevant: diese Daten gehören zum Linker und sollen verknüpft werden.
false — ausgeschlossen: diese Daten gehören nicht zum Linker.
neutral — unentschieden: weder relevant noch ausgeschlossen. Neutral gelassene Zeilen tragen einfach nicht zum Training bei.

Evaluate

Der Tab „Evaluate“ listet die Labels, die Sie dem Linker beim Erstellen gegeben haben.
Ein Klick auf ein Label nimmt es in die Bewertung auf oder schließt es aus.
Ein Label, das zu nichts in den RDF-Daten passt, zeigt eine Null — meist eine Abweichung in der Schreibweise zwischen Ihrem Label und dem Graphen, die vor dem Training behoben werden sollte.
Mindestens ein Label muss ausgeschlossen sein, damit der Linker trainiert werden kann.

Trainieren und speichern

Klicken Sie auf Train & Save , um den Linker zu trainieren und seine Bewertungsergebnisse zu sehen.

Tipp

Der Score misst, wie gut der Linker seine Entitäten in Ihren Daten erkennt. Ein niedriger Wert (etwa 0,09) ist kein Fehler — meist bedeutet er zu wenige Labels, Labels, die im Graphen nicht vorkommen, oder eine falsche Sprache. Ergänzen Sie Labels, die wirklich in den Daten auftreten, und trainieren Sie erneut.

Wozu ein trainierter Linker dient

Das Training eines Linkers erzeugt eine API, die Labels mit verknüpften Entitäten abgleicht, sodass Ihre eigenen Systeme einen Namen zu einer Entität auflösen können. Siehe Linker API für Endpunkt und Parameter.

Hinweis

Wenn Sie nur die Entitäten Ihres Graphen in einem Text finden wollen, ohne etwas zu trainieren, nutzen Sie stattdessen den Entity Linker .