Verbessern Sie die Ergebnisse von Watson Discovery mithilfe von API-basiertem Relevanztraining

Zusammenfassung

Entwickler nutzen den IBM Watson Discovery-Service, um Anwendungen schnell eine kognitive, Such- und Inhaltsanalyse-Engine hinzuzufügen. Mit dieser Engine können sie Muster, Trends und Erkenntnisse aus unstrukturierten Daten identifizieren, die zu einer besseren Entscheidungsfindung führen können. Manchmal möchten Sie die Suchergebnisse verbessern, indem Sie mehr Schulungsdetails angeben. Relevanztraining ist eine Funktion in Watson Discovery, die zusätzliches Training für genauere Suchergebnisse bietet. Dieses Codemuster zeigt, wie Sie Relevanztrainings-APIs verwenden können, um Suchergebnisse in Watson Discovery zu verbessern.

Beschreibung

Entwickler nutzen den IBM Watson Discovery-Service, um Anwendungen schnell eine kognitive, Such- und Inhaltsanalyse-Engine hinzuzufügen. Mit dieser Engine können sie Muster, Trends und Erkenntnisse aus unstrukturierten Daten identifizieren, die zu einer besseren Entscheidungsfindung führen. Mit Watson Discovery können Sie Daten erfassen (konvertieren, anreichern, bereinigen und normalisieren), speichern und abfragen, um umsetzbare Erkenntnisse zu gewinnen. Um Suchen und Abfragen durchzuführen, benötigen Sie Inhalte, die in Sammlungen eingefügt und dort gespeichert werden. Weitere Informationen zum Entwickeln von Anwendungen mit Watson Discovery finden Sie im Referenzarchitektur für kognitive Entdeckung.

Relevanztraining ist eine leistungsstarke Funktion in Watson Discovery, die die Suchgenauigkeit verbessern kann, wenn der richtige Ansatz gewählt wird. Sie können Watson Discovery trainieren, um die Relevanz der Abfrageergebnisse für Ihre bestimmte Organisation oder Ihren Themenbereich zu verbessern. Wenn Sie einer Watson Discovery-Instanz Trainingsdaten bereitstellen, verwendet der Dienst Watson-Techniken für maschinelles Lernen, um Signale in Ihren Inhalten und Fragen zu finden. Anschließend ordnet der Dienst die Abfrageergebnisse neu, um die relevantesten Ergebnisse oben anzuzeigen. Je mehr Trainingsdaten Sie hinzufügen, desto genauer und komplexer wird die Reihenfolge der von der Dienstinstanz zurückgegebenen Ergebnisse.

Relevanzschulung ist optional. Wenn die Ergebnisse Ihrer Abfragen Ihren Anforderungen entsprechen, ist keine weitere Schulung erforderlich. Eine Übersicht über die Erstellung von Anwendungsfällen für Schulungen finden Sie im Blogbeitrag „So holen Sie das Beste aus dem Relevanztraining heraus"

Das Relevanztraining in Watson Discovery kann auf zwei Arten durchgeführt werden:

Wenn Ihre Watson Discovery-Instanz eine relativ große Anzahl von Fragen aufweist, für die ein Relevanztraining durchgeführt werden muss, kann die Tooling-Methode im Vergleich zur programmgesteuerten Methode (unter Verwendung von APIs) viel länger dauern. Außerdem müssen Sie bei APIs nicht über einen Browser online mit der Watson Discovery-Instanz verbunden sein.

Dieses Codemuster zeigt, wie Relevanztraining mithilfe von APIs erreicht werden kann.

Flow

1. Die Clientanwendung sendet eine Abfrage in natürlicher Sprache für jede Abfrage, die ein Relevanztraining erfordert.
2. Watson Discovery gibt für jede durchgeführte Abfrage in natürlicher Sprache eine Reihe von Dokumenten zurück.
3. Die Client-Anwendung speichert Abfragen und entsprechende Dokumente in einer TSV-Datei auf einem lokalen Computer.
4. Der Benutzer weist Dokumenten Relevanzbewertungen zu und speichert die Datei.
5. Die Anwendung greift mit aktualisierten Relevanzwerten auf die Datei zu.
6. Die Clientanwendung ruft APIs auf, um das Watson Discovery-Sammlungstraining mithilfe aktualisierter Relevanzbewertungen zu aktualisieren.
7. Der Kunde fragt erneut ab, um bessere Ergebnisse zu erhalten.

Anweisungen

Die detaillierten Schritte für dieses Muster finden Sie in der readme Datei. Die Schritte zeigen Ihnen, wie Sie:

1. Erstellen Sie eine Discovery-Serviceinstanz in IBM Cloud.
2. Erstellen Sie ein Projekt in Watson Discovery.
3. Kommentieren Sie Ihre Dokumente.
4. Bereiten Sie den Code vor, um Relevanztrainings-APIs auszuführen.
5. Erreichen Sie Relevanztraining für eine große Anzahl von Fragen.

Quelle: https://developer.ibm.com/patterns/improve-discovery-results-using-programmatic-relevancy-training/