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 ?
Persistance du Parsing pour l'Analyse LITI
Exemples pour l'action applyConcept
Application du modèle de concept de base
Cet exemple illustre l'extraction d'entités via l'action applyConcept. Sans paramètre model, le moteur NLP déploie son modèle LISI natif pour isoler types d'entités et faits structurés.
Extraction avancée avec filtrage de concepts et optimisation mémoire
Cet exemple optimise l'action applyConcept : segmentation par chunks de 16 Ko, filtrage sélectif via dropConcepts et traçabilité des règles avec ruleMatchOut pour un scoring haute précision.