我试图从技术角度理解，与Retrieve和Rank（利用Apache SOLR）相比，Watson Discovery如何在幕后工作？
答案 0 :(得分：3)
Watson Discovery基于ElasticSearch，然后公开自己的简化查询语言进行交互。这允许进行聚合和内容分析以及自由文本查询的结构化查询。
比较两种服务：检索和排名可以使用私有数据上的机器学习排名模型进行搜索，而发现则可以使用NLP内容对私有内容和公共内容进行搜索和内容分析。
答案 1 :(得分：2)
在Watson Discovery＆amp;检索和排名，您需要提供自己的数据。
但是，区别在于他们处理数据的方式，在R＆amp; R中你需要训练自己的模型。根据可能被问到沃森的所有可能类型的问题对你的答案进行排名。它使用另一项服务，文档转换从您提供的文档中检索答案（所有这些都是通过将文档分成小部分）
然而，在发现中，它在R＆amp; R的顶部充当服务，一旦文件被上传，它就会应用它自己的认知搜索功能来寻找你的查询的正确答案（基本上在你提供的文件中）。 / p>
为了更好地理解这个过程，请查看他们的文档： Retrieve and Rank 和Discovery
答案 2 :(得分：-1)
如果您习惯使用Retrieve和Rank，如果您使用Discovery的相关性培训，则Discovery可以提供或多或少类似的结果。
截至目前，发现中的相关培训仍处于测试阶段。
https://www.ibm.com/watson/developercloud/doc/discovery/train.html
从技术上讲，@ tmarkiewicz建议Watson分析的发现功能使用“弹性搜索”，并具有自然语言编程功能。在丰富答案和提供高可用性方面，这是一个很好的功能。