在使用沃森个性洞察API时，我已经注意到了一些奇怪的趋势，包括许多在维度上的平均值得分（例如，与许多人在.27之间的友好程度），这让我感觉很好。东西。
经过审核，我注意到一个语言错位问题（即如果它认为它是英语，你会得到奇怪的结果，如果它是西班牙语），这引导我问，但找不到答案：
沃森如何处理： 1）消息中的网址（例如，许多Twitter帖子都有网址） 2）重复发帖（很多频道重复发帖多次） 3）特殊字符（很多帖子都有大量随机特殊字符）
我的目标是确定我需要做多少预处理才能使沃森最有效。
答案 0 :(得分：3)
你是对的，如果语言不对齐，那么你会得到不正确的结果。
Pi API首先从内容语言标题确定语言。如果缺少那么，如果内容类型是json，那么它会查看json内容中的语言，选择出现次数最多的语言，最后，如果缺少它，它将默认为默认语言，即英语。
简而言之，建议（在将来的更新中将需要）是始终发送内容语言标题。
其次，关于内容的问题： - URL：服务将尝试删除这些。我不能保证它会删除所有可能的选项，因为url规范有一些非常深奥的选项，但我们将删除常见格式。 - 重复帖子：如果你发送两次相同的帖子，那么它将被计算两次。我们在发送到服务的文本中不进行重复数据删除。 - 特殊字符;我假设你在这里指的是表情符号。这些都包含在我们的处理中，因为基础模型也对包含它们的数据进行了训练，因此它们是服务使用的众多信号之一。