0

我想构建自动化的常见问题解答系统，用户可以在其中提出一些问题，并根据训练数据中的问题及其答案，应用程序会建议一组答案。

这可以通过预测 API 实现吗？如果是，我应该如何创建我的训练数据？

我已经测试了用于情绪分析的 Prediction API。但是对将其用作常见问题解答/推荐系统有疑问和困惑。

我的训练数据具有以下结构：

“问题”：“如何创建电子邮件帐户？”
“答案”：“Step1：xxxxxxxx Step2：xxxxxxxxxxxxxx Step3：xxxxx xxx xxxxx”
“问题”：“谁可以查看我的联系人列表？”
“答案”：“xxxxxx xxxx xxxxxxxxxxxx x xxxxxx xxx”

4

2 回答 2

0

训练你的数据，比如输入是问题，输出是答案

当您发送一个问题作为输入进行预测时，它可以输出您的答案。

简单的常见问题，你会摇滚。

但是如果你在 PHP 中完成了 Help me too man。

于 2016-06-03T08:27:12.873 回答
0

为了使用 Prediction API，您必须首先针对一组训练数据对其进行训练。在训练过程结束时，预测 API 会为您的数据集创建一个模型。每个模型要么是分类的（如果答案列是字符串）或回归（如果答案列是数字）。该模型将一直保留，直到您明确删除它。该模型仅从原始训练会话和任何更新调用中学习；它不会继续从您发送给它的预测查询中学习。

训练数据可以通过以下方式之一提交：

  1. 逗号分隔值 (CSV) 文件。正如您在上面的两个数据示例中看到的那样，每一行都是一个示例，由数据集合和该示例的答案（类别或值）组成。训练文件中的所有答案必须是分类的或数字的；你不能把两者混在一起。上传训练文件后，您将告诉 Prediction API 对其进行训练。

  2. 直接嵌入到请求中的训练实例。训练实例可以嵌入到trainingInstances参数中。注意：由于 HTTP 请求大小的限制，这仅适用于小型数据集（< 2 MB）。

  3. 通过更新调用。首先，通过将空storageDataLocation和trainingInstances参数传入 Insert 调用来训练空模型。然后，使用 Update 调用传入训练实例以更新空模型。注意：由于并非所有分类器都可以更新，因此与在整个数据集上批量训练模型相比，这可能会导致模型准确性更低。

您可以在此帮助中心文章中获得更多信息。

注意：用于 PHP 的 Google Prediction API 客户端库仍处于测试阶段。

于 2016-06-07T23:56:10.547 回答