Melhore os resultados do Watson Discovery usando o treinamento de relevância baseado em API

Resumo

Os desenvolvedores usam o serviço IBM Watson Discovery para adicionar rapidamente um mecanismo cognitivo, de procura e de análise de conteúdo aos aplicativos. Com esse mecanismo, eles podem identificar padrões, tendências e insights de dados não estruturados que podem impulsionar uma melhor tomada de decisões. Às vezes, você deseja improvisar os resultados da pesquisa fornecendo mais detalhes do treinamento. O treinamento de relevância é um recurso do Watson Discovery que fornece treinamento adicional para resultados de procura mais precisos. Este padrão de código mostra como é possível usar APIs de treinamento de relevância para improvisar resultados de procura no Watson Discovery.

Descrição

Os desenvolvedores usam o serviço IBM Watson Discovery para adicionar rapidamente um mecanismo cognitivo, de procura e de análise de conteúdo aos aplicativos. Com esse mecanismo, eles podem identificar padrões, tendências e insights de dados não estruturados que impulsionam uma melhor tomada de decisões. Com o Watson Discovery, é possível ingerir (converter, enriquecer, limpar e normalizar), armazenar e consultar dados para extrair insights acionáveis. Para realizar pesquisas e consultas, você precisa de conteúdo injetado e persistido em coleções. É possível aprender mais sobre o desenvolvimento de aplicativos com o Watson Discovery estudando o arquitetura de referência de descoberta cognitiva.

O treinamento de relevância é um recurso poderoso no Watson Discovery que pode melhorar a precisão da pesquisa se a abordagem correta for adotada. É possível treinar o Watson Discovery para melhorar a relevância dos resultados da consulta para sua organização ou área de assunto específica. Ao fornecer dados de treinamento a uma instância do Watson Discovery, o serviço usa técnicas do Watson de aprendizado de máquina para localizar sinais em seu conteúdo e perguntas. O serviço então reordena os resultados da consulta para exibir os resultados mais relevantes na parte superior. À medida que você adiciona mais dados de treinamento, a instância de serviço se torna mais precisa e sofisticada na ordenação dos resultados retornados.

O treinamento de relevância é opcional. Se os resultados das suas consultas atenderem às suas necessidades, nenhum treinamento adicional será necessário. Para obter uma visão geral da construção de casos de uso para treinamento, consulte a postagem do blog “Como tirar o máximo proveito do treinamento de relevância. "

O treinamento de relevância no Watson Discovery pode ser feito de duas maneiras:

Se sua instância do Watson Discovery tiver um número bastante grande de perguntas para as quais o treinamento de relevância precisa ser feito, o método de ferramentas poderá demorar muito mais em comparação com o método programático (usando APIs). Além disso, com APIs, não é necessário estar conectado on-line à instância do Watson Discovery por meio de um navegador.

Este padrão de código mostra como o treinamento de relevância pode ser alcançado usando APIs.

Fluxo

1. A aplicação cliente envia uma consulta em linguagem natural para cada uma das consultas que necessitam de treinamento de relevância.
2. O Watson Discovery retorna um conjunto de documentos para cada consulta de linguagem natural feita.
3. A aplicação cliente salva consultas e documentos correspondentes em um arquivo TSV em uma máquina local.
4. O usuário atribui pontuações de relevância aos documentos e salva o arquivo.
5. O aplicativo acessa o arquivo com pontuações de relevância atualizadas.
6. O aplicativo cliente chama APIs para atualizar o treinamento de coleta do Watson Discovery usando pontuações de relevância atualizadas.
7. O cliente consulta novamente para obter melhores resultados.

Instruções

Encontre as etapas detalhadas para esse padrão no readme Arquivo. As etapas mostram como:

1. Crie uma instância do serviço Discovery no IBM Cloud.
2. Crie um projeto no Watson Discovery.
3. Anote seus documentos.
4. Prepare o código para executar APIs de treinamento de relevância.
5. Obtenha treinamento de relevância para um grande conjunto de questões.

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