API پر مبنی مطابقت کی تربیت کا استعمال کرتے ہوئے Watson Discovery کے نتائج کو بہتر بنائیں

خلاصہ

ڈویلپرز آئی بی ایم واٹسن ڈسکوری سروس استعمال کرتے ہیں تاکہ ایپلی کیشنز میں ایک علمی، تلاش اور مواد کے تجزیاتی انجن کو تیزی سے شامل کریں۔ اس انجن کے ساتھ، وہ غیر ساختہ ڈیٹا سے پیٹرن، رجحانات اور بصیرت کی شناخت کر سکتے ہیں جو بہتر فیصلہ سازی کر سکتے ہیں۔ بعض اوقات، آپ مزید تربیت کی تفصیلات فراہم کرکے تلاش کے نتائج کو بہتر بنانا چاہتے ہیں۔ واٹسن ڈسکوری میں متعلقہ تربیت ایک خصوصیت ہے جو مزید درست تلاش کے نتائج کے لیے اضافی تربیت فراہم کرتی ہے۔ یہ کوڈ پیٹرن دکھاتا ہے کہ آپ کس طرح واٹسن ڈسکوری میں تلاش کے نتائج کو بہتر بنانے کے لیے متعلقہ ٹریننگ APIs کا استعمال کر سکتے ہیں۔

Description

ڈویلپرز آئی بی ایم واٹسن ڈسکوری سروس استعمال کرتے ہیں تاکہ ایپلی کیشنز میں ایک علمی، تلاش اور مواد کے تجزیاتی انجن کو تیزی سے شامل کریں۔ اس انجن کے ساتھ، وہ غیر ساختہ ڈیٹا سے پیٹرن، رجحانات اور بصیرت کی شناخت کر سکتے ہیں جو بہتر فیصلہ سازی کا باعث بنتے ہیں۔ واٹسن ڈسکوری کے ساتھ، آپ قابل عمل بصیرت نکالنے کے لیے ڈیٹا کو ہضم کر سکتے ہیں (تبدیل، افزودہ، صاف اور معمول پر لا سکتے ہیں)، ذخیرہ کر سکتے ہیں اور ڈیٹا سے استفسار کر سکتے ہیں۔ تلاش اور استفسارات انجام دینے کے لیے، آپ کو ایسے مواد کی ضرورت ہے جو مجموعوں میں انجیکشن اور برقرار رہے۔ آپ واٹسن ڈسکوری کے ساتھ ایپلی کیشنز تیار کرنے کے بارے میں مزید جان سکتے ہیں۔ علمی دریافت کا حوالہ فن تعمیر.

واٹسن ڈسکوری میں مطابقت کی تربیت ایک طاقتور صلاحیت ہے جو درست طریقہ اختیار کرنے پر تلاش کی درستگی کو بہتر بنا سکتی ہے۔ آپ Watson Discovery کو اپنی مخصوص تنظیم یا موضوع کے علاقے کے لیے استفسار کے نتائج کی مطابقت کو بہتر بنانے کے لیے تربیت دے سکتے ہیں۔ جب آپ تربیتی ڈیٹا کے ساتھ Watson Discovery کی مثال فراہم کرتے ہیں، تو سروس آپ کے مواد اور سوالات میں سگنل تلاش کرنے کے لیے مشین لرننگ واٹسن تکنیک کا استعمال کرتی ہے۔ سروس پھر سب سے زیادہ متعلقہ نتائج کو سب سے اوپر ظاہر کرنے کے لیے استفسار کے نتائج کو دوبارہ ترتیب دیتی ہے۔ جیسا کہ آپ مزید تربیتی ڈیٹا شامل کرتے ہیں، سروس کی مثال ان نتائج کی ترتیب میں زیادہ درست اور نفیس بن جاتی ہے جو اس کے واپس آتے ہیں۔

مطابقت کی تربیت اختیاری ہے۔ اگر آپ کے سوالات کے نتائج آپ کی ضروریات کو پورا کرتے ہیں، تو مزید تربیت کی ضرورت نہیں ہے۔ تربیت کے لیے عمارت کے استعمال کے معاملات کا جائزہ لینے کے لیے، بلاگ پوسٹ دیکھیں "متعلقہ تربیت سے زیادہ سے زیادہ فائدہ اٹھانے کا طریقہ".

واٹسن ڈسکوری میں مطابقت کی تربیت دو طریقوں سے کی جا سکتی ہے:

اگر آپ کے واٹسن ڈسکوری مثال میں کافی تعداد میں سوالات ہیں جن کے لیے متعلقہ تربیت کی ضرورت ہے، تو پروگرامی (APIs کا استعمال کرتے ہوئے) طریقہ کے مقابلے ٹولنگ کا طریقہ زیادہ وقت لے سکتا ہے۔ نیز، APIs کے ساتھ، آپ کو براؤزر کے ذریعے واٹسن ڈسکوری مثال سے آن لائن منسلک ہونے کی ضرورت نہیں ہے۔

یہ کوڈ پیٹرن دکھاتا ہے کہ APIs کا استعمال کرتے ہوئے مطابقت کی تربیت کیسے حاصل کی جا سکتی ہے۔

روانی

1. کلائنٹ ایپلیکیشن ان سوالات میں سے ہر ایک کے لیے فطری زبان کا استفسار بھیجتی ہے جس کے لیے متعلقہ تربیت کی ضرورت ہوتی ہے۔
2. واٹسن ڈسکوری ہر قدرتی زبان کے استفسار کے لیے دستاویزات کا ایک سیٹ واپس کرتی ہے۔
3. کلائنٹ ایپلی کیشن سوالات اور متعلقہ دستاویزات کو مقامی مشین پر TSV فائل میں محفوظ کرتی ہے۔
4. صارف دستاویزات کو متعلقہ اسکور تفویض کرتا ہے اور فائل کو محفوظ کرتا ہے۔
5. ایپلیکیشن اپ ڈیٹ کردہ مطابقت کے اسکور کے ساتھ فائل تک رسائی حاصل کرتی ہے۔
6. کلائنٹ ایپلیکیشن APIs کو واٹسن ڈسکوری کلیکشن ٹریننگ کو اپ ڈیٹ کرنے کے لیے مدعو کرتی ہے جو اپ ڈیٹ کردہ مطابقت کے اسکور استعمال کرتی ہے۔
7. بہتر نتائج حاصل کرنے کے لیے مؤکل دوبارہ سوال کرتا ہے۔

ہدایات

میں اس پیٹرن کے لیے تفصیلی اقدامات تلاش کریں۔ پڑھنا فائل اقدامات آپ کو دکھاتے ہیں کہ کیسے:

1. IBM کلاؤڈ پر ایک ڈسکوری سروس مثال بنائیں۔
2. واٹسن ڈسکوری میں ایک پروجیکٹ بنائیں۔
3. اپنے دستاویزات کی تشریح کریں۔
4. متعلقہ ٹریننگ APIs کو چلانے کے لیے کوڈ تیار کریں۔
5. سوالات کے ایک بڑے سیٹ کے لیے متعلقہ تربیت حاصل کریں۔

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