Popraw wyniki Watson Discovery za pomocą szkoleń dotyczących trafności opartych na interfejsach API

Podsumowanie

Programiści korzystają z usługi IBM Watson Discovery, aby szybko dodać do aplikacji silnik kognitywny, wyszukiwania i analizy treści. Dzięki temu silnikowi mogą identyfikować wzorce, trendy i spostrzeżenia z nieustrukturyzowanych danych, które mogą pomóc w podejmowaniu lepszych decyzji. Czasami chcesz zaimprowizować wyniki wyszukiwania, podając więcej szczegółów szkolenia. Trening trafności to funkcja Watson Discovery, która zapewnia dodatkowe szkolenie w celu uzyskania dokładniejszych wyników wyszukiwania. Ten wzorzec kodu pokazuje, jak można używać interfejsów API szkolenia trafności do improwizowania wyników wyszukiwania w rozwiązaniu Watson Discovery.

Opis

Programiści korzystają z usługi IBM Watson Discovery, aby szybko dodać do aplikacji silnik kognitywny, wyszukiwania i analizy treści. Dzięki temu silnikowi mogą identyfikować wzorce, trendy i spostrzeżenia z nieustrukturyzowanych danych, które napędzają podejmowanie lepszych decyzji. Dzięki rozwiązaniu Watson Discovery możesz pozyskiwać (konwertować, wzbogacać, czyścić i normalizować), przechowywać dane i wyszukiwać je, aby uzyskać użyteczne informacje. Aby wykonywać wyszukiwania i kwerendy, potrzebujesz zawartości, która jest wstrzykiwana i utrwalana w kolekcjach. Możesz dowiedzieć się więcej o tworzeniu aplikacji za pomocą Watson Discovery, studiując architektura referencyjna odkrywania kognitywnego.

Trening trafności to potężna funkcja Watson Discovery, która może poprawić dokładność wyszukiwania, jeśli zastosuje się właściwe podejście. Możesz wyszkolić Watson Discovery, aby poprawić trafność wyników zapytań dla konkretnej organizacji lub obszaru tematycznego. Gdy udostępniasz instancji Watson Discovery dane szkoleniowe, usługa wykorzystuje techniki uczenia maszynowego Watson do wyszukiwania sygnałów w Twoich treściach i pytaniach. Usługa następnie zmienia kolejność wyników zapytania, aby wyświetlić najbardziej odpowiednie wyniki u góry. W miarę dodawania większej liczby danych szkoleniowych instancja usługi staje się dokładniejsza i bardziej zaawansowana w porządkowaniu zwracanych wyników.

Szkolenie dotyczące trafności jest opcjonalne. Jeśli wyniki Twoich zapytań odpowiadają Twoim potrzebom, dalsze szkolenie nie jest konieczne. Aby zapoznać się z przeglądem przypadków użycia budynków do celów szkoleniowych, zobacz wpis na blogu „Jak najlepiej wykorzystać szkolenie dotyczące trafności".

Szkolenie dotyczące trafności w Watson Discovery można przeprowadzić na dwa sposoby:

Jeśli Twoja instancja Watson Discovery ma dość dużą liczbę pytań, dla których należy przeprowadzić szkolenie dotyczące trafności, metoda narzędziowa może zająć znacznie więcej czasu w porównaniu z metodą programową (z wykorzystaniem interfejsów API). Ponadto dzięki interfejsom API nie trzeba mieć połączenia online z instancją Watson Discovery za pośrednictwem przeglądarki.

Ten wzorzec kodu pokazuje, w jaki sposób można osiągnąć szkolenie trafności przy użyciu interfejsów API.

Przepływ

1. Aplikacja kliencka wysyła zapytanie w języku naturalnym dla każdego zapytania, które wymaga treningu trafności.
2. Watson Discovery zwraca zestaw dokumentów dla każdego wykonanego zapytania w języku naturalnym.
3. Aplikacja kliencka zapisuje zapytania i odpowiadające im dokumenty w pliku TSV na komputerze lokalnym.
4. Użytkownik przypisuje dokumentom oceny trafności i zapisuje plik.
5. Aplikacja uzyskuje dostęp do pliku ze zaktualizowanymi ocenami trafności.
6. Aplikacja kliencka wywołuje interfejsy API w celu zaktualizowania szkolenia w zakresie zbierania danych Watson Discovery przy użyciu zaktualizowanych ocen trafności.
7. Klient ponownie wysyła zapytanie, aby uzyskać lepsze wyniki.

Instrukcje

Znajdź szczegółowe kroki dla tego wzoru w readme plik. Kroki pokazują, jak:

1. Utwórz instancję usługi Discovery w chmurze IBM Cloud.
2. Utwórz projekt w Watson Discovery.
3. Adnotuj swoje dokumenty.
4. Przygotuj kod do uruchamiania interfejsów API szkolenia trafności.
5. Osiągnij szkolenie dotyczące trafności dla dużego zestawu pytań.

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