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 Prediction 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: xxxxxxxxxxxx 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”
【问题讨论】：
标签： nlp google-cloud-platform google-prediction
训练你的数据，比如输入是问题，输出是答案
当你发送一个问题作为输入来预测它可以输出你的答案。
简单的常见问题解答，你会摇滚。
但是如果你在 PHP 中完成了，请帮帮我。
【讨论】：
要使用 Prediction API，您必须首先根据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：
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，由一组数据加上该示例的答案（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 进行训练。
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 (
通过更新调用。首先，通过将空的 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度更低。
您可以在这个帮助中心article获得更多信息。
注意：适用于 PHP 的 Google Prediction API 客户端库仍处于测试阶段。
【讨论】：