Покращуйте результати Watson Discovery за допомогою навчання релевантності на основі API

Підсумки

Розробники використовують службу IBM Watson Discovery для швидкого додавання в програми когнітивного механізму, механізму пошуку та аналізу вмісту. За допомогою цього механізму вони можуть визначати закономірності, тенденції та ідеї на основі неструктурованих даних, які можуть сприяти прийняттю кращих рішень. Іноді ви хочете імпровізувати результати пошуку, надавши більше деталей навчання. Навчання релевантності – це функція Watson Discovery, яка забезпечує додаткове навчання для більш точних результатів пошуку. Цей шаблон коду показує, як ви можете використовувати API навчання релевантності для імпровізації результатів пошуку в Watson Discovery.

Опис

Розробники використовують службу IBM Watson Discovery для швидкого додавання в програми когнітивного механізму, механізму пошуку та аналізу вмісту. За допомогою цього механізму вони можуть визначати закономірності, тенденції та ідеї на основі неструктурованих даних, що сприяє прийняттю кращих рішень. За допомогою Watson Discovery ви можете отримувати (конвертувати, збагачувати, очищати та нормалізувати), зберігати та надсилати запити на дані, щоб отримувати корисну інформацію. Щоб виконувати пошук і запити, вам потрібен вміст, який впроваджується та зберігається в колекціях. Ви можете дізнатися більше про розробку програм за допомогою Watson Discovery, вивчивши еталонна архітектура когнітивного відкриття.

Навчання релевантності є потужною можливістю Watson Discovery, яка може підвищити точність пошуку за умови правильного підходу. Ви можете навчити Watson Discovery покращувати релевантність результатів запиту для вашої конкретної організації чи предметної галузі. Коли ви надаєте примірнику Watson Discovery навчальні дані, служба використовує методи машинного навчання Watson, щоб знаходити сигнали у вашому вмісті та запитаннях. Потім служба змінює порядок результатів запиту, щоб відобразити найбільш відповідні результати вгорі. У міру того як ви додаєте більше навчальних даних, екземпляр служби стає точнішим і складнішим у впорядкуванні результатів, які він повертає.

Навчання релевантності є необов’язковим. Якщо результати ваших запитів відповідають вашим потребам, подальше навчання не потрібне. Щоб отримати огляд створення варіантів використання для навчання, перегляньте публікацію в блозі "Як отримати максимальну віддачу від навчання релевантності».

Навчання релевантності в Watson Discovery можна проводити двома способами:

Якщо ваш екземпляр Watson Discovery має досить велику кількість запитань, для яких потрібно провести навчання релевантності, тоді інструментальний метод може зайняти набагато більше часу порівняно з програмним (з використанням API) методом. Крім того, з API вам не потрібно підключатися до примірника Watson Discovery через браузер.

Цей шаблон коду показує, як навчання релевантності може бути досягнуто за допомогою API.

Потік

1. Клієнтська програма надсилає запит природною мовою для кожного із запитів, які потребують навчання релевантності.
2. Watson Discovery повертає набір документів для кожного зробленого запиту природною мовою.
3. Клієнтська програма зберігає запити та відповідні документи у файлі TSV на локальній машині.
4. Користувач призначає документам бали релевантності та зберігає файл.
5. Програма отримує доступ до файлу з оновленими балами релевантності.
6. Клієнтська програма викликає API для оновлення навчання колекції Watson Discovery, використовуючи оновлені оцінки релевантності.
7. Клієнт запитує знову, щоб отримати кращі результати.

інструкції

Знайдіть докладні кроки для цього шаблону в ридми файл. Ці кроки показують, як:

1. Створіть екземпляр служби Discovery в IBM Cloud.
2. Створіть проект у Watson Discovery.
3. Анотуйте свої документи.
4. Підготуйте код для запуску API навчання релевантності.
5. Досягніть релевантності навчання для великої кількості питань.

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