Google Prediction API для системы часто задаваемых вопросов/рекомендаций

Я хочу создать автоматизированную систему часто задаваемых вопросов, в которой пользователь может задавать некоторые вопросы, и на основе вопросов и их ответов из обучающих данных приложение будет предлагать набор ответов.

Можно ли этого добиться с помощью Prediction API? Если да, как мне создать данные для обучения?

Я протестировал Prediction API для анализа настроений. Но есть сомнения и путаница при использовании его в качестве системы часто задаваемых вопросов / рекомендаций.

Мои обучающие данные имеют следующую структуру:

"Вопрос":"Как создать учетную запись электронной почты?"
"Ответ":"Шаг 1: xxxxxxxx Шаг 2: xxxxxxxxxxxxx Шаг 3: xxxxx xxx xxxxx"
"Вопрос" ":"Кто может просматривать мой список контактов?"
"Ответить":"xxxxxx xxxx xxxxxxxxxxxx x xxxxx xxx"


google-cloud-platform nlp google-prediction
person Abhinav Tyagi    schedule 27.05.2016    source источник

Ответы (2)


arrow_upward
0
arrow_downward

тренируйте свои данные, как ввод - это вопрос, а вывод - ответ

когда вы отправляете вопрос в качестве ввода, чтобы предсказать, что он может дать результат вашего ответа.

простой faq вы будете рок.

но если вы закончили на PHP, помогите мне тоже, чувак.

person Ramdrupal7    schedule 03.06.2016

arrow_upward
0
arrow_downward

Чтобы использовать Prediction API, вы должны сначала обучить его на наборе обучающих данных. В конце процесса обучения Prediction API создает модель для вашего набора данных. Каждая модель является либо категориальной (если столбец ответов является строкой), либо регрессионной (если столбец ответов является числовым). Модель остается до тех пор, пока вы явно не удалите ее. Модель учится только на исходном сеансе обучения и любых вызовах обновления; он не продолжает учиться на запросах Predict, которые вы ему отправляете.

Данные для обучения можно отправить одним из следующих способов:

  1. Файл значений, разделенных запятыми (CSV). Каждая строка представляет собой пример, состоящий из набора данных и ответа (категории или значения) для этого примера, как вы видели в двух приведенных выше примерах данных. Все ответы в обучающем файле должны быть либо категориальными, либо числовыми; вы не можете смешивать два. После загрузки обучающего файла вы сообщите Prediction API об обучении на нем.

  2. Обучающие экземпляры, встроенные непосредственно в запрос. Учебные экземпляры могут быть встроены в параметр trainingInstances. Примечание: из-за ограничений на размер HTTP-запроса это будет работать только с небольшими наборами данных (‹ 2 МБ).

  3. Посредством вызовов обновлений. Сначала пустая модель обучается путем передачи пустых параметров storageDataLocation и trainingInstances в вызов Insert. Затем обучающие экземпляры передаются с помощью вызова Update для обновления пустой модели. Примечание: поскольку не все классификаторы могут быть обновлены, это может привести к более низкой точности модели, чем пакетное обучение модели на всем наборе данных.

Дополнительную информацию можно найти в этой статье Справочного центра.

NB: клиентская библиотека Google Prediction API для PHP все еще находится в стадии бета-тестирования.

person George    schedule 07.06.2016