我应该使用IBM Watson Conversation或Discovery？

Question

我是Watson服务的新手 我正在创建一个聊天机器人，根据他的个人资料为学生提供最佳课程。

我应该执行类似于＆＃39的查询;哪个课程在2016年有最大截止百分比？＆＃39;，
＆＃39;在过去三年中，截止百分比最高的前3个课程是哪些？＆＃39;等，

我所做的是因为我掌握了数据库管理的基本知识，所以我创建了SQL表。

但我在考虑IBM Watson Conversation和Discovery如何提供帮助。 我是否应该完全使用对话来执行查询或创建课程和其他参数的文档，并使用Discovery来检索答案并将其与对话集成。

归根结底，我的问题是Watson Conversation足够吗？

Answer 1

根据我对IBM Watson API的经验......我认为对话就足够了，但你需要用好的例子训练意图和实体，就像上面的例子一样。您可以使用intents和entities来创建条件，以及来自Simon O'Doherty的answer，以便在您创建时获得最佳做法＃ Watson Conversation Service内部的意图和@Entities。

如果您使用数据创建了tables，则不需要使用Discovery，因为使用Discovery，您将查询非结构化文档，在这种情况下：JSON，PDF，Word等...参见官方架构：

answer

Obs。：这是一个建议，也许IBM专业人士会同意，或补充我的答案或回答你的另一种可能性。

• 有关使用对话服务的构建一个对话框，请参阅。
• 请参阅Watson Conversation Service中的Official Documentation。
• Dialog methods和Accessing and evaluating使用Watson处理值。

Answer 2

对话最适合问题频率非常高的问题。这类问题被称为＆＃34;短头＆＃34;。 您通常会看到的其他类型的问题是那些被称为＆＃34;长尾＆＃34;的问题。由于用户所需的信息更加多样化，因此难以预测这些问题。发现在这些用例中效果更好，因为它提供了功能（段落，相关性培训，聚合，过滤器等），以允许用户探索结果。发现允许您查询结构化和非结构化数据（不限于任何一种），并使用典型的信息检索方法对结果集进行切片和切块。

对话和发现也可以协同工作。您可以拥有一个能够回答短头的会话界面，然后在遇到无法满怀信心地回答的问题时回退到Discovery。

在此特定用例中，根据您的简要说明，您可能需要调查发现，因为它将允许您提交可以完成上述用例的查询，但您也可以从培训模型中受益识别哪些文件（在这种情况下是一门课程）很可能＆＃34;好＆＃34;基于标记的基础事实。当对话无法回答问题时，它也会有所帮助，因为返回一组可能的选项而不是一无所有更有用。

Answer 3

每当您知道用户的问题肯定会有某些已知关键字时（在您的示例中为“截止百分比”），您需要转到IBM对话服务，但请记住您只需回复用户使用会话服务，但是对于处理查询和获取结果将很好地满足发现服务，因此将会话服务与发现服务集成更好。