IBM Watson Discovery использует несколько методов искусственного интеллекта (ИИ), чтобы обеспечить отличные готовые результаты для запросов на естественном языке. Однако иногда вы можете обнаружить, что полученные результаты не так важны, как вам хотелось бы, и вам нужно их улучшить. Watson Discovery имеет ряд функций, которые могут помочь вам настроить и повысить релевантность, и здесь мы представляем некоторые идеи о том, как их можно использовать.
Как Watson Discovery оптимизирует релевантность
При оптимизации Watson Discovery следует помнить о том, что он создан для вариантов использования с длинным хвостом (как описано здесь), то есть для случаев использования, когда у вас есть много разных вопросов и результатов, которые вы не можете легко найти. предвидеть и оптимизировать.
Использование следующих методов помогает Watson Discovery работать лучше с будущими невидимыми запросами, а не оптимизировать конкретный результат для конкретного запроса. В случаях, когда у вас есть несколько, часто задаваемых, очень конкретных результатов, это может лучше всего подходить для обучающих намерений в Watson Assistant, чтобы распознавать эти важные, предсказуемые вопросы (большая голова распределения информации, которая нуждается в распространении) и хорошо -определенные ответы. Часто в реальных сценариях использования сочетаются предсказуемые информационные потребности большой головы и непредвиденные информационные потребности длинного хвоста. Эти варианты использования лучше всего подходят для комбинации Watson Assistant и Watson Discovery (то есть с использованием навыка поиска Watson Assistant или других распространенных интеграций).
Вы можете прочитать полную запись в блоге на IBM Developer.
Первоначально опубликовано на https://developer.ibm.com.
