Förbättra Watson Discovery-resultat med API-baserad relevansträning

Sammanfattning

Utvecklare använder tjänsten IBM Watson Discovery för att snabbt lägga till en kognitiv, sök- och innehållsanalysmotor till applikationer. Med den motorn kan de identifiera mönster, trender och insikter från ostrukturerad data som kan driva bättre beslutsfattande. Ibland vill du improvisera sökresultaten genom att tillhandahålla mer utbildningsinformation. Relevansträning är en funktion i Watson Discovery som ger ytterligare utbildning för mer exakta sökresultat. Detta kodmönster visar hur du kan använda API:er för relevansträning för att improvisera sökresultat i Watson Discovery.

Beskrivning

Utvecklare använder tjänsten IBM Watson Discovery för att snabbt lägga till en kognitiv, sök- och innehållsanalysmotor till applikationer. Med den motorn kan de identifiera mönster, trender och insikter från ostrukturerad data som driver bättre beslutsfattande. Med Watson Discovery kan du mata in (konvertera, berika, rensa och normalisera), lagra och fråga data för att extrahera handlingsbara insikter. För att utföra sökningar och frågor behöver du innehåll som injiceras och finns kvar i samlingar. Du kan lära dig mer om att utveckla applikationer med Watson Discovery genom att studera kognitiv upptäckt referensarkitektur.

Relevansträning är en kraftfull funktion i Watson Discovery som kan förbättra söknoggrannheten om rätt tillvägagångssätt används. Du kan träna Watson Discovery för att förbättra relevansen av frågeresultat för just din organisation eller ditt ämnesområde. När du förser en Watson Discovery-instans med träningsdata, använder tjänsten maskininlärning Watson-tekniker för att hitta signaler i ditt innehåll och dina frågor. Tjänsten ordnar sedan om frågeresultat för att visa de mest relevanta resultaten överst. När du lägger till mer träningsdata blir tjänsteinstansen mer exakt och sofistikerad i ordningen av resultaten som den returnerar.

Relevansutbildning är valfritt. Om resultaten av dina frågor uppfyller dina behov är ingen ytterligare utbildning nödvändig. För en översikt över byggnadsanvändningsfall för utbildning, se blogginlägget "Hur du får ut det mesta av relevansträning. "

Relevansträning i Watson Discovery kan göras på två sätt:

Om din Watson Discovery-instans har ett ganska stort antal frågor för vilka relevansträning behöver göras, kan verktygsmetoden ta mycket längre tid jämfört med den programmatiska (med hjälp av API:er) metoden. Med API:er behöver du inte heller vara online ansluten till Watson Discovery-instansen via en webbläsare.

Detta kodmönster visar hur relevansträning kan uppnås med hjälp av API:er.

Flöde

1. Klientapplikationen skickar en naturlig språkfråga för var och en av de frågor som behöver relevansträning.
2. Watson Discovery returnerar en uppsättning dokument för varje fråga om naturligt språk.
3. Klientapplikationen sparar frågor och motsvarande dokument i en TSV-fil på en lokal maskin.
4. Användaren tilldelar relevanspoäng till dokument och sparar filen.
5. Applikationen kommer åt filen med uppdaterade relevanspoäng.
6. Klientapplikationen anropar API:er för att uppdatera Watson Discovery-samlingsträning med hjälp av uppdaterade relevanspoäng.
7. Kunden frågar igen för att få förbättrade resultat.

Instruktioner

Hitta de detaljerade stegen för detta mönster i readme fil. Stegen visar hur du gör:

1. Skapa en Discovery-tjänstinstans på IBM Cloud.
2. Skapa ett projekt i Watson Discovery.
3. Anteckna dina dokument.
4. Förbered koden för att köra API:er för relevansträning.
5. Uppnå relevansutbildning för en stor uppsättning frågor.

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