0

我试图从技术角度了解与 Retrieve 和 Rank(利用 Apache SOLR)相比,Watson Discovery 如何在幕后工作?

4

3 回答 3

3

Watson Discovery 基于 ElasticSearch,然后公开其自己的简化查询语言以进行交互。这允许支持聚合和内容分析以及自由文本查询的结构化查询。

比较这两种服务:Retrieve 和 Rank 支持使用机器学习排名模型对私有数据进行搜索,而 Discovery 支持对私有和公共内容与 NLP 扩充相结合的搜索和内容分析。

于 2017-05-16T18:42:50.700 回答
2

在 Watson Discovery & Retrieve 和 Rank 中,您需要提供自己的数据。

但是,不同之处在于他们处理数据的方式,在 R&R 中,您需要训练自己的模型。即根据可以向 watson 提出的所有可能类型的问题对您的答案进行排名。它使用另一项服务 Document Conversion 从您提供的文档中检索答案(全部通过将文档分成小部分)

而在 Discovery 中,它充当 R&R 之上的一项服务,一旦上传了文档,它就会应用自己的认知搜索功能来寻找查询的正确答案(基本上是在您提供的文档中)。

为了更好地理解该过程,请阅读他们的文档: Retrieve and Rank and Discovery

于 2017-05-18T11:56:02.830 回答
-1

如果您习惯使用 Retrieve 和 Rank,如果您使用 Discovery 的 Relevancy 训练,Discovery 可以提供或多或少相似的结果。

截至目前,Discovery 中的相关性培训仍处于测试阶段。

https://www.ibm.com/watson/developercloud/doc/discovery/train.html

从技术上讲,正如@tmarkiewicz 建议的那样,Watson 分析的 Discovery 功能使用“弹性搜索”,并且具有自然语言编程的能力。在丰富答案和提供高可用性方面,这是一个很好的功能。

于 2017-09-28T13:03:45.183 回答