我想以这样的方式训练 nlc - 如果我输入“Sharpies”或“Cakes”或“iPhone6”，那么它应该按照意图的顺序产生结果。
但它并不适用于所有产品，因为意图应该适用于所有产品名称，我需要用很少的产品名称来训练 NLC，它将适用于所有产品(动态)。
由于我们有数千种产品，如何获得所有产品的“订单”意图，而不是将所有产品添加到“.csv”中(不想硬编码所有产品名称)？
您能否帮我检索所有动态产品名称作为 NLC 输入的确切意图？
最佳答案
您尝试做的事情不是 NLC 的目的。
意图的目的是了解最终用户想要实现的目标，而不是句子中可能出现的产品/关键字。
例如，“我想购买 iPhone” 与 “我想解锁我的 iPhone”。两者都提到了 iPhone，但有两个截然不同的意图。在这种情况下，通过培训，您可以区分想要购买和想要解锁。
您可以尝试的一个选项是查看 Alchemy API entity extraction 。
另一个选项是使用 Watson Explorer Studio。但您需要 Watson explorer 才能获取它。有Watson Knowledge Studio即将推出，它与 WEX-Studio 一样允许您构建自定义注释器。您可以将这些注释器与 UIMA 结合使用来解析您的文本。
因此，您可以轻松地构建一些东西来理解“我不想买 iPhone” 与 “我想买 iPhone” ，并将 iPhone 提取为产品。
有不受支持的 WEX-Studio 旧免费版本，名为 Languageware ，如果您想看看这是否有帮助。该网站包含手册和视频。 Here is a video我所做的给出了如何使用它的示例。
关于artificial-intelligence - 在 IBM Watson 中训练自然语言分类器，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36720905/