借助Bluemix Retrieve＆amp; Rank，我们如何实施一个不断学习的系统？

Question

参考下面的网页，使用Retrieve＆amp; IBM Bluemix的排名服务，我们正在创建一个可以响应查询的机器人。

问题： 在根据用户对查询的响应一次学习排名后，我们如何构建一个不断学习和提高响应准确性的机制？

假设： 因为没有R＆amp; R服务的API可以不断地从用户的查询响应结果中学习，所以调整GroundTruth文件， 我想有必要定期执行再次培训排名的过程。

调整假定GT文件的内容：

• 如果有新问题，请添加一组问题和答案
• 如果现有问题无法很好地回答某些问题，请增加或减少回复的相关性得分 （如果机器人回答不正确，请降低分数，如果有有用的答案，则提高分数）

Answer 1

为了不断学习，您需要执行以下操作：

• 捕获新示例，即每个用户输入和相应的结果
• 查看这些示例并创建新的排名示例，调整相关性得分等
• 将这些新示例添加到排名
• 使用新的和现有的示例重新训练排名

注意：请确保验证排名数据的新更新可提高整体系统性能。 k倍验证是衡量这一点的好方法。

总而言之，学习是一个持续的过程，应该无限期地重复，或者直到系统性能被认为是足够的。