Evalúa el resultado y la calidad

Versión preliminar

Este producto está con sujeción a las "Condiciones de las Ofertas de la Fase Previa a la DG" de la sección de Términos Generales del Servicio de los Términos Específicos del Servicio. Puedes tratar datos personales para este producto, como se describe en el Anexo de Tratamiento de Datos de Cloud, con sujeción a las obligaciones y restricciones descritas en el acuerdo en virtud del cual accedes a Google Cloud. Los productos de la fase previa a la DG están disponibles sin modificaciones y pueden tener asistencia limitada. Para obtener más información, consulta las descripciones de la etapa de lanzamiento.

Cómo comprender el resultado

Enterprise Knowledge Graph escribe los resultados en una nueva tabla de BigQuery para cada trabajo. Esta es una instantánea de los datos en el momento en que se ejecuta el trabajo. De forma predeterminada, cada trabajo genera un cluster_id aleatorio para cada clúster de entidades. Sin embargo, si quieres que el ID se mantenga estable entre diferentes ejecuciones de trabajos, usa la opción avanzada previous BigQuery result table.

Examina la tabla de resultados

Esquema de salida

Nombre del campo	Tipo	Descripción
cluster_id	STRING	Este ID de clúster es un ID de máquina (MID) privado del gráfico de conocimiento asignado a este clúster de registros. Se puede usar para identificar de forma única el registro en tu conjunto de datos. Puedes usar la tabla de BigQuery anterior en las opciones avanzadas para mantener este `cluster_id` estable y coherente en varias ejecuciones.
source_name	STRING	Es el nombre de la fuente especificado en la configuración de entrada para ayudarte a unir conjuntos de datos.
source_key	STRING	Es la clave única de la tabla de origen que te ayuda a unir el conjunto de datos.
confianza	FLOAT	Es la puntuación de confianza que determina el grado de pertenencia de estos registros a este clúster.
assignment_age	INTEGER	Se usa de forma interna para la estabilización de cluster_id (MID) en diferentes trabajos.
cloud_kg_mid	STRING	Es el MID de la entidad vinculada del Gráfico de conocimiento de Google Cloud. Puedes usar este MID como tu ID permanente o buscar detalles adicionales en la API de Cloud Knowledge Graph.

Usa SQL para unir el conjunto de datos

Enterprise Knowledge Graph agrupa las entidades por ID de clúster. La forma más sencilla de ver el resultado es usar el ID del clúster para "agrupar por" tu resultado. En el siguiente ejemplo, se realiza una verificación rápida de coherencia uniendo la tabla de salida con la tabla original.

# get all entity clusters
SELECT distinct (cluster_id) FROM `ekg-test.<dataset>.clusters_9425187210682344597` order by cluster_id LIMIT 1000;
 
# join data with original table
SELECT confidence, RS., SRC. FROM `ekg-test.<dataset>.clusters_9425187210682344597` as RS join `ekg-api-test.demo.organization` as SRC
on RS.source_key = SRC.source_key where cluster_id = "r-02b72jsgrbws18";

Este clúster de entidades representa dos registros diferentes que pertenecen al mismo clúster. El mismo cluster_id indica que estos dos registros se deben unir y combinar.

Usa SQL para unir los resultados

Mida el éxito

Por pares

Precisión: Es la proporción de entidades distintas identificadas incorrectamente como falsos positivos similares (más fáciles de detectar con la inspección manual).
Recuperación: Es la proporción de entidades similares que no se identifican como falsos negativos o que son más difíciles de detectar.

Medida V del clúster

Medida V del clúster: (1 + beta) * homogeneidad * integridad / (beta * homogeneidad + integridad), donde beta=1.
Homogeneidad del clúster: Es la proporción de clústeres que tienen entidades que pertenecen a la misma entidad.
Completitud del clúster: Es la proporción de clústeres en los que todas las entidades que pertenecen a la misma entidad se colocan en el mismo clúster.