Prédicats Neptune ML utilisés dans les requêtes d'inférence SPARQL

Les prédicats suivants sont utilisés avec l'inférence SPARQL :

neptune-ml:timeoutprédicat

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

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

neptune-ml:outputClassprédicat

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

neptune-ml:outputScoreprédicat

Leneptune-ml:outputScore prédicat est un nombre positif qui représente la probabilité que la sortie d'un modèle d'apprentissage automatique soit correcte.

neptune-ml:modelTypeprédicat

Leneptune-ml:modelType prédicat spécifie le type de modèle d'apprentissage automatique en cours d'entraînement :

• OBJECT_CLASSIFICATION

• OBJECT_REGRESSION

• OBJECT_PREDICTION

• SUBJECT_PREDICTION

neptune-ml:inputprédicat

Leneptune-ml:input prédicat fait référence à la liste des URI utilisés comme entrées pour Neptune ML.

neptune-ml:outputprédicat

Leneptune-ml:output prédicat fait référence à la liste des ensembles de liaisons pour lesquels Neptune ML renvoie des résultats.

neptune-ml:predicateprédicat

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

• Pour la prédiction d'objets ou de sujets : définit le type de prédicat (type d'arête ou de relation).

• Pour la classification et la régression des objets : définit la propriété littérale que nous voulons prédire.

neptune-ml:batchSizeprédicat

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