Améliorez les résultats Watson Discovery à l'aide d'une formation sur la pertinence basée sur l'API

Résumé

Les développeurs utilisent le service IBM Watson Discovery pour ajouter rapidement un moteur d'analyse cognitive, de recherche et de contenu aux applications. Avec ce moteur, ils peuvent identifier des modèles, des tendances et des informations à partir de données non structurées qui peuvent améliorer la prise de décision. Parfois, vous souhaitez improviser les résultats de la recherche en fournissant plus de détails sur la formation. La formation à la pertinence est une fonctionnalité de Watson Discovery qui fournit une formation supplémentaire pour des résultats de recherche plus précis. Ce modèle de code montre comment vous pouvez utiliser les API de formation à la pertinence pour improviser les résultats de recherche dans Watson Discovery.

Description

Les développeurs utilisent le service IBM Watson Discovery pour ajouter rapidement un moteur d'analyse cognitive, de recherche et de contenu aux applications. Avec ce moteur, ils peuvent identifier des modèles, des tendances et des informations à partir de données non structurées qui favorisent une meilleure prise de décision. Avec Watson Discovery, vous pouvez ingérer (convertir, enrichir, nettoyer et normaliser), stocker et interroger des données pour extraire des informations exploitables. Pour effectuer des recherches et des requêtes, vous avez besoin d'un contenu qui est injecté et persistant dans les collections. Vous pouvez en savoir plus sur le développement d'applications avec Watson Discovery en étudiant le architecture de référence de découverte cognitive.

La formation à la pertinence est une fonctionnalité puissante de Watson Discovery qui peut améliorer la précision de la recherche si la bonne approche est adoptée. Vous pouvez former Watson Discovery pour améliorer la pertinence des résultats de la requête pour votre organisation ou votre domaine particulier. Lorsque vous fournissez à une instance Watson Discovery des données de formation, le service utilise des techniques d'apprentissage automatique Watson pour trouver des signaux dans votre contenu et vos questions. Le service réorganise ensuite les résultats de la requête pour afficher les résultats les plus pertinents en haut. Au fur et à mesure que vous ajoutez des données de formation, l'instance de service devient plus précise et sophistiquée dans l'ordre des résultats qu'elle renvoie.

La formation à la pertinence est facultative. Si les résultats de vos requêtes répondent à vos besoins, aucune formation supplémentaire n'est nécessaire. Pour un aperçu de la création de cas d'utilisation pour la formation, consultez le billet de blog "Comment tirer le meilleur parti de la formation à la pertinence. »

La formation à la pertinence dans Watson Discovery peut être effectuée de deux manières :

Si votre instance Watson Discovery comporte un assez grand nombre de questions pour lesquelles une formation à la pertinence doit être effectuée, la méthode d'outillage peut prendre beaucoup plus de temps que la méthode programmatique (utilisant des API). De plus, avec les API, vous n'avez pas besoin d'être connecté en ligne à l'instance Watson Discovery via un navigateur.

Ce modèle de code montre comment la formation à la pertinence peut être réalisée à l'aide d'API.

Flow

1. L'application cliente envoie une requête en langage naturel pour chacune des requêtes nécessitant une formation à la pertinence.
2. Watson Discovery renvoie un ensemble de documents pour chacune des requêtes en langage naturel effectuées.
3. L'application client enregistre les requêtes et les documents correspondants dans un fichier TSV sur une machine locale.
4. L'utilisateur attribue des scores de pertinence aux documents et enregistre le fichier.
5. L'application accède au fichier avec des scores de pertinence mis à jour.
6. L'application cliente appelle les API pour mettre à jour la formation de collecte Watson Discovery à l'aide des scores de pertinence mis à jour.
7. Le client interroge à nouveau pour obtenir de meilleurs résultats.

Instructions

Trouvez les étapes détaillées de ce modèle dans le readme fichier. Les étapes vous montrent comment:

1. Créez une instance de service Discovery sur IBM Cloud.
2. Créez un projet dans Watson Discovery.
3. Annotez vos documents.
4. Préparez le code pour exécuter les API de formation à la pertinence.
5. Réalisez une formation sur la pertinence pour un large éventail de questions.

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