Prédicats Neptune ML utilisés dans les requêtes d'inférence SPARQL

Les prédicats suivants sont utilisés avec l'inférence SPARQL :

Prédicat neptune-ml:timeout

Spécifie le délai d'expiration de la connexion avec le serveur distant. À ne pas confondre avec le délai d'expiration de la demande de requête, qui est le temps maximal que le serveur peut mettre pour satisfaire une demande.

Notez que si le délai d'expiration de requête survient avant le délai d'expiration du service spécifié par le prédicat neptune-ml:timeout, la connexion au service est également annulée.

Prédicat neptune-ml:outputClass

Le prédicat neptune-ml:outputClass est uniquement utilisé pour définir la classe de l'objet prédit pour la prédiction d'objet ou du sujet prédit pour la prédiction de sujet.

Prédicat neptune-ml:outputScore

Le prédicat neptune-ml:outputScore est un nombre positif qui représente la probabilité que la sortie d'un modèle de machine learning soit correcte.

Prédicat neptune-ml:modelType

Le prédicat neptune-ml:modelType indique le type de modèle de machine learning en cours d'entraînement :

• OBJECT_CLASSIFICATION

• OBJECT_REGRESSION

• OBJECT_PREDICTION

• SUBJECT_PREDICTION

Prédicat neptune-ml:input

Le neptune-ml:input prédicat fait référence à la liste des entrées URIs utilisées pour Neptune ML.

Prédicat neptune-ml:output

Le prédicat neptune-ml:output fait référence à la liste des ensembles de liaisons où Neptune ML renvoie les résultats.

Prédicat neptune-ml:predicate

Le prédicat neptune-ml:predicate est utilisé différemment en fonction de la tâche exécutée :

• Pour une prédiction d'objet ou de sujet : définit le type de prédicat (type d'arête ou de relation).

• Pour une classification et régression d'objet : définit le littéral (propriété) que nous voulons prédire.

Prédicat neptune-ml:batchSize

neptune-ml:batchSize spécifie la taille d'entrée pour l'appel de service à distance.