Le paramètre parseTableOut spécifie une table CAS de sortie pour contenir les documents d'entrée pré-analysés. Il est facultatif et peut être utilisé pour enregistrer les résultats intermédiaires et ainsi améliorer la performance de l'action applyConcept, surtout lorsque l'opérateur CLAUS_n est utilisé dans le modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting). LITI. Le nom de cette table est ensuite utilisé comme valeur du paramètre parseTableIn lors d'un appel ultérieur de l'action applyConcept. Ne spécifiez pas les paramètres parseTableIn et parseTableOut dans le même appel de l'action applyConcept. Pour plus de détails, consultez le paramètre commun casouttable.
Comment sauvegarder des résultats intermédiaires de pré-analyse pour optimiser les performances ?
Cette réponse vous a-t-elle aidé ?
Exemples pour l'action applyConcept
Application du modèle de concept de base
Cet exemple applique l'action %%applyConcept%% avec la configuration minimale requise. En omettant le paramètre %%model%%, le système est intelligent et utilise son modèle de base !
Extraction avancée avec filtrage de concepts et optimisation mémoire
Dans cette approche plus chirurgicale, nous configurons le type de correspondance sur la plus longue (%%LONGEST%%), divisons le traitement textuel en petits morceaux de 16 Ko (%%litiChunkSize%%), ignorons volontairement un concept spécifique (%%nlpPerson%%) et exportons les règles matchées (%%ruleMatchOut%%).