【问题标题】:IBM Watson / Chat Bot / Conversation / Dynamic / Dialog / DiscoveryIBM Watson / 聊天机器人 / 对话 / 动态 / 对话 / 发现
【发布时间】:2017-06-12 03:28:15
【问题描述】:

关于 Watson 能力的问题

背景我们正在设计一个聊天机器人来回答访问者关于我们公司的问题,例如:

  • 贵公司在哪里?
  • 贵公司有多大?
  • 我可以进一步了解贵公司的工作环境吗?
  • 贵公司是做什么的?

聊天机器人应该能够通过#Intent 和@Entity 映射到定义的对话框处理来解决上面列出的示例问题,以提供预定义的答案。

但是,我们想知道的是关于以下部分的更动态的问答支持。

动态问答挑战 我们希望我们的聊天机器人可以回答访问者可能提出的所有问题,但不知道如何处理以下问题:

关于员工

  1. 自 2007 年以来,有多少员工加入了这家公司?

    示例答案:自 2007 年以来已有 20 多名员工加入

    动态因素: • 加入的员工人数 • 年份范围

  2. 过去五年有多少员工加入并辞职?

    例答:10人加入,无人辞职

    动态因素: • 加入的员工人数 • 自然语言年份范围 • 员工就业状况

  3. 你们的员工流动率是多少?

    示例答案:25% 或 0.25

    动态因素: • 计算:员工加入人数/员工辞职人数

  4. 员工会在贵公司轻松获得晋升吗?

    示例答案:员工每 3 年晋升一次

    动态因素: • 计算:员工人数和晋升日期与下一个职位的内部平均值

关于项目

  1. 贵公司处理的价格最大的项目是哪个?

示例答案:项目 A 记录了 10,000,000.00 美元

动态因素:知道如何以最大的服务价格找到项目

  1. 贵公司在项目进度或服务交付方面是否积极?

    示例答案:我们很可能提前了原计划的 10%

    动态因素: • 已知所有项目和所有任务持续时间 • 计算进度和实际完成日期之间的差异

  2. 您的平均项目团队规模是多少?

    示例答案:平均项目团队规模为 5 人

    动态因素: • 了解所有项目并阅读所有项目团队结构 • 计算平均值

注意事项:

• We don't want to code the Question and Answer explicitly
• We are thinking IBM Watson should be able to answer those questions after understanding our data source

数据源(WORD格式的一堆文件): • 加入日期、最后日期和每个晋升日期的员工记录 • 项目记录,包括合同、提案、团队结构和进度报告

问题想澄清或知道

• Do sample questions listed above must go through programming to handle?

• Can IBM Watson have a way to answer our question in a meaningful manner like we listed example as above, if we provided those data source to IBM Watson and how?

• For the first 2 questions about staff, do we need to code/define separate 2 mapping to handle these 2 questions even they shared similar structure?

• Can it learn to handle dynamic question structure after we let IBM Watson know enough information to answer those questions.

• If I ask something like [Last 5 Years] // [Since 2012] // [Exclude 2011 or Before] , do Watson know they are referring the same date range? Or we need to teach Watson one by one with #Intent and @Entity?

【问题讨论】:

  • 要处理您提出的动态问题,您应该在 Watson Knowledge Studio 中创建一个模型,并在适当的时候从对话服务中调用它
  • 您好 Dudi,感谢您的回复和信息共享。我会尝试这种方式。

标签: ibm-watson chatbot watson-conversation watson-dialog watson-discovery


【解决方案1】:

您的问题可能最适合 IBM 的 DW 论坛,因为它并不是用于 Stackoverflow 的真正结构。

回答所有问题:

Watson Conversation 的目的是进行非结构化对话,并以一种便于计算机使用的方式查找和构建响应。

您的上述示例可以使用系统实体sys-numbersys-date 捕获。

【讨论】:

  • 嗨,西蒙,非常感谢您的回复。我也会继续在 DW 论坛上提问。
【解决方案2】:

我想建议一个对话/发现组合。当您的对话无法回答问题时,您会将问题转发给发现。 Discovery 可以获取非结构化数据,您可以相应地提取该数据并“教”它以获得正确的答案。

【讨论】:

    【解决方案3】:

    对话本身就很复杂,即使使用强大的最先进的自然语言处理,仍然需要付出很多努力才能在聊天或语音界面中与人进行互动,感觉自然。如果你想看看你能快速走多远,我建议你从一个跨平台的自然语言处理工具开始,比如API.AI

    API.AI 支持实体提取(即,它可以接受用户查询并确定哪些词表示日期、数字和自定义实体及其值),意图识别(如果您可以猜测用户打算做什么)举例说明用户使用机器学习会说什么)并支持 14 个平台(Google Assistant、Facebook、Slack、Twilio、Telegram...)全部无需任何代码

    如果您确实想自己开发一些东西,API.AI 有一个 API 并支持 16 个 SDK,适用于各种平台(Nodejs、Python、Java 等)以及任何通过 HTTP 和他们的实现 webhook 说 JSON 的语言。

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2019-01-13
      • 1970-01-01
      • 1970-01-01
      • 2017-12-01
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多