評估結果和品質

解讀結果

Enterprise Knowledge Graph 會為每個工作將結果寫入新的 BigQuery 資料表。這是工作執行時的資料快照。根據預設，每項工作都會為每個實體叢集產生隨機 cluster_id。不過，如要讓 ID 在不同工作執行期間保持穩定，請使用 previous BigQuery result table 進階選項。

檢查結果資料表

輸出內容的結構定義

欄位名稱 類型 說明
cluster_id STRING 這個叢集 ID 是指派給這組記錄的私人知識圖譜機器 ID (MID)。可用於專門識別資料集中的記錄。您可以使用「進階選項」中的「過往結果 BigQuery 資料表」，在多次執行作業時保持 cluster_id 穩定一致。
source_name STRING 輸入設定中指定的來源名稱，有助於彙整資料集。
source_key STRING 來源資料表中的專屬鍵，可協助您合併資料集。
信賴度 FLOAT 信心分數，用於判斷這些記錄屬於這個叢集的程度。
assignment_age INTEGER 在不同工作之間，用於叢集 ID (MID) 穩定性。
cloud_kg_mid STRING Google Cloud 知識圖譜連結實體 MID。您可以將這個 MID 做為永久 ID，或透過 Cloud Knowledge Graph API 查詢其他詳細資料。
不久後，連結功能將支援更多實體。

使用 SQL 彙整資料集

Enterprise Knowledge Graph 會依叢集 ID 將實體分組。如要查看結果，最簡單的方法是使用叢集 ID 將結果「分組」。以下範例會將輸出資料表與原始資料表聯結，快速執行健全性檢查。

# 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";

這個實體叢集代表屬於同一叢集的兩筆不同記錄。這個 cluster_id 表示這兩筆記錄應合併。

使用 SQL 聯結結果

評估成效

成對

  • 準確度：錯誤識別為相似偽陽性的相異實體比例 (可透過手動檢查輕鬆偵測)。

  • 召回率：未識別為偽陰性或較難偵測的相似實體比例。

叢集 V 測量

  • 叢集 V 測量值：(1 + beta) * 同質性 * 完整性 / (beta * 同質性 + 完整性)，其中 beta=1。

  • 叢集同質性：含有屬於相同實體的實體的叢集比例。

  • 叢集完整度：所有屬於同一實體的實體都放在同一叢集中的叢集比例。