Обучение Натуральный язык Классификатор в IBM watson

Question

Я хочу тренировать nlc таким образом, что - Если я даю вход как «Sharpies» или «Cakes» или «iPhone6», тогда это должно привести к тому, что вы намерены.

Но это не работает для всех продуктов, так как намерение должно появиться для всех названий продуктов, где мне нужно будет обучать NLC с небольшим количеством имени продукта, и он будет работать на все продукты (динамически).

Как у нас есть тысячи продуктов, как можно получить намерение как «заказать» для всех продуктов, а не добавлять все в «.csv» (не хотите жестко кодировать все названия продуктов)?

Можете ли вы, пожалуйста, помочь мне с этим, чтобы получить точное намерение для всех названий dyanhemical в качестве входных данных для NLC?

Answer 1

Что вы пытаетесь сделать, это не то, для чего предназначен NLC.

Целью намерения является понимание того, чего пытается достичь конечный пользователь, а не какие продукты/ключевые слова могут появляться в предложении.

Например, "I want to buy an iPhone" и "I want to unlock my iPhone". Оба упоминают iPhone, но имеют два совершенно разных намерения. В этом случае с обучением вы можете различать желание покупать, а не хотите разблокировать.

Один из вариантов вы можете попробовать, глядя на Alchemy API entity extraction.

Другой вариант - использовать Watson Explorer Studio. Но вам понадобится Watson explorer, чтобы получить его. Скоро будет Watson Knowledge Studio, который, как WEX-Studio, позволяет создавать пользовательские аннотации. Вы можете использовать эти аннотации с UIMA для анализа вашего текста.

Таким образом, вы можете легко построить что-то, чтобы понять, что "I don't want to buy an iPhone" - это не то же самое, что и "I want to buy an iPhone", и попросите его извлечь iPhone в качестве продукта.

Существует неподдерживаемая старая бесплатная версия WEX-Studio под названием Languageware, если вы хотите узнать, поможет ли это. Этот сайт содержит руководство и видео. Here is a video, который я сделал, дает пример того, как вы его используете.