Implementação de modelos de processamento de linguagem natural

Você pode implementar um modelo de Processamento de Linguagem Natural no watsonx.ai Runtime usando funçõesPython ou scriptsPython. Ambas as implementações online e em lote são suportadas.

• Você pode implantar uma função Python para implantações em lote on-line e em linha e um script Python para implantações de referência de dados em lote.
• A saída de previsão retornada de ' <model>.run() é um objeto de uma classe específica para a classe de previsão do modelo de dados em questão (por exemplo, ' watson_nlp.data_model.syntax.SyntaxPrediction). Esses objetos não podem ser serializados no formato JSON, portanto, a saída de previsão deve ser convertida para o tipo de dicionário Python ou JSON usando os métodos ' <prediction output>.to_dict() (recomendado) ou ' <prediction output>.to_json(). Se você não converter a saída, as solicitações de API de pontuação retornarão um erro Consulte Exemplo de como lidar com a saída de previsão de um modelo de NLP.
• Você pode acessar o local dos modelos pré-treinados Watson NLP no código da função Python usando a variável de ambiente ' LOAD_PATH.
• A carga útil de entrada de predição e a resposta de predição que é retornada do score() devem atender aos requisitos que são listados na documentação da API de pontuação on-line e de tarefas
• As solicitações de pontuação para modelos de NLP podem falhar com um Out of Memory erro relatado pelo tempo de execução subjacente do JVM. Se um erro for relatado, corrija a implementação para usar uma especificação de hardware com mais memória disponível

Para obter uma lista das especificações de software compatíveis com implantações de NLP, consulte Especificações de software compatíveis para implantação de modelos de NLP.

import watson_nlp

# Load the syntax model for English
syntax_model = watson_nlp.load('syntax_izumo_en_stock')

# Run the syntax model and print the result
syntax_prediction = syntax_model.run('Welcome to IBM!')
print(syntax_prediction)

import watson_nlp
entities_workflow = watson_nlp.load('entity-mentions_transformer-workflow_multilingual_slate.153m.distilled')
entities = entities_workflow.run('IBM\'s CEO Arvind Krishna is based in the US', language_code="en")
print(entities.get_mention_pairs())

    for input_data in input_data_row:
        targets_sentiments = targets_sentiment_model.run(input_data)
        scoring_prediction_row.append(targets_sentiments.to_dict())