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storageDataLocationtrainingInstances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