IBM Watson Assistant：如何训练聊天机器人选择正确的意图？
IBM Watson Assistant: How to train the chatbot to pick the right intent?
在开发和测试对话时，IBM Watson Assistant 会识别多个意图并响应置信度最高的意图。有时我希望它响应第二个意图而不是第一个意图，因为它与当前对话上下文更相关。例如，如果对话包含处理转账或支付的节点，则在转账场景中，用户可以说执行，这将同时匹配执行转账和执行支付。因此，我希望 Watson 始终响应当前上下文的执行转帐，即使它以更高的置信度识别执行付款也是如此。
因此，假设机器人知道当前上下文并会做出相应答复，用户会提出一般性问题。
例如，假设我正在开发一个 FAQ 机器人来回答有关 2 个程序忠诚度和储蓄的查询。为简单起见，我假设有 4 个意图
（忠诚度定义 - 包含与忠诚度计划相关的示例）
（忠诚度加入 - 其中包含与如何加入忠诚度计划相关的示例）
（Saving-Define - 其中有与什么是保存程序相关的示例）
（Saving-Join - 其中有与如何加入储蓄计划相关的示例）
因此用户可以通过像 "tell me about the loyalty program" 这样的话语开始对话。然后他们会问 "how to join"（没有提到程序假设机器人知道）。在这种情况下，Watson 将识别 2 个意图（忠诚度加入、保存加入）并且保存加入意图可能具有更高的置信度。
所以我需要拦截对话（可能正在创建一个父节点来检查上下文，并基于此过滤错误的意图）。
我找不到在对话中编写代码来检查上下文和修改 intents 数组的方法，所以我想问一下这样做的最佳做法。
您可以train Watson Assistant做出相应的回应。在您处理技能的工具中，单击导航栏中的用户对话页面。在消息概览中，您需要确定那些回答错误的消息，然后指定正确的意图。 Watson Assistant 会捡起它，重新训练，然后希望能正确回答。
此外，您可以重新审视如何定义意图。这些示例是否像真实的用户消息？你能提供更多的变化吗？导致 Watson Assistant 选择一个而不是另一个意图的冲突是什么？
已添加：
如果您希望 Watson Assistant "know" 关于上下文，您可以提取当前意图并将其作为主题存储在上下文变量中。然后，如果检测到 "join" 意图，则切换到基于意图 "join" 和特定主题的对话节点。为此，我建议对 "join program" 只有一个意图，或者如果确实需要，将有关细节的详细信息放入意图中。可能没有太大区别，您最终只有一个意图。
您无法编辑 intents 对象，因此这会使您想做的事情变得棘手，但并非不可能。
在您的答案节点中，添加一个上下文变量，例如 $topic。你用一个表示主题的术语来填充它。
然后，如果用户的问题没有得到回答，您可以检查主题上下文并将其添加到新的上下文变量中。这个新变量然后被应用层拾取以重新提出问题。
示例：
User: tell me about the loyalty program
WA-> Found #Loyality-Define
Set $topic to "loyalty"
Return answer.
User: how to join
WA-> No intent found.
$topic is not blank.
Set $reask to "$topic !! how to join"
APP-> $reask is set.
Ask question "loyalty !! how to join"
Clear $reask and $topic
WA-> Found #Loyalty-join
$topic set to "loyalty"
Return answer
现在在最后一种情况下，如果即使没有找到已加载的问题，清除 $topic 也会停止循环。
另一件需要注意的事情是，如果用户更改主题，您必须设置或清除主题。为了防止它选择旧主题。
注意：问题已更改，因此从技术上讲这是一个不同的问题。在下面留下以前的答案
您可以使用intents[] 对象来分析返回的结果。
因此您可以检查第一个意图和第二个意图之间的置信度差异。如果它们落在一定范围内，那么你就可以采取行动。
示例条件：
intents[0] > 0.24 && intents.[1] - intents[0] > 0.05
这会检查两个意图是否在彼此的 5% 以内。 0.24 的阈值是忽略第二个意图，因为它可能会低于 0.2，这通常意味着不应对该意图采取行动。
你可能想玩玩这个门槛。
只是为了解释你为什么这样做。看看这两个图表。第一个很明显只问了一个问题。第二张图表显示这两个意图非常接近。
要采取实际行动，最好有一个关闭的文件夹（条件=false）。在该文件夹中，您查找匹配 intents[1]。这将降低对话框中的复杂性。
如果你想要更复杂的东西，你可以在应用层做k-means。然后在应用层传回第二个意图，让对话逻辑采取行动。有一个example here。
Watson Assistant Plus 还使用消歧功能自动执行此操作。
在开发和测试对话时，IBM Watson Assistant 会识别多个意图并响应置信度最高的意图。有时我希望它响应第二个意图而不是第一个意图，因为它与当前对话上下文更相关。例如，如果对话包含处理转账或支付的节点，则在转账场景中，用户可以说执行，这将同时匹配执行转账和执行支付。因此，我希望 Watson 始终响应当前上下文的执行转帐，即使它以更高的置信度识别执行付款也是如此。
因此，假设机器人知道当前上下文并会做出相应答复，用户会提出一般性问题。
例如，假设我正在开发一个 FAQ 机器人来回答有关 2 个程序忠诚度和储蓄的查询。为简单起见，我假设有 4 个意图
（忠诚度定义 - 包含与忠诚度计划相关的示例） （忠诚度加入 - 其中包含与如何加入忠诚度计划相关的示例） （Saving-Define - 其中有与什么是保存程序相关的示例） （Saving-Join - 其中有与如何加入储蓄计划相关的示例）
因此用户可以通过像 "tell me about the loyalty program" 这样的话语开始对话。然后他们会问 "how to join"（没有提到程序假设机器人知道）。在这种情况下，Watson 将识别 2 个意图（忠诚度加入、保存加入）并且保存加入意图可能具有更高的置信度。
所以我需要拦截对话（可能正在创建一个父节点来检查上下文，并基于此过滤错误的意图）。
我找不到在对话中编写代码来检查上下文和修改 intents 数组的方法，所以我想问一下这样做的最佳做法。
您可以train Watson Assistant做出相应的回应。在您处理技能的工具中，单击导航栏中的用户对话页面。在消息概览中，您需要确定那些回答错误的消息，然后指定正确的意图。 Watson Assistant 会捡起它，重新训练，然后希望能正确回答。
此外，您可以重新审视如何定义意图。这些示例是否像真实的用户消息？你能提供更多的变化吗？导致 Watson Assistant 选择一个而不是另一个意图的冲突是什么？
已添加：
如果您希望 Watson Assistant "know" 关于上下文，您可以提取当前意图并将其作为主题存储在上下文变量中。然后，如果检测到 "join" 意图，则切换到基于意图 "join" 和特定主题的对话节点。为此，我建议对 "join program" 只有一个意图，或者如果确实需要，将有关细节的详细信息放入意图中。可能没有太大区别，您最终只有一个意图。
您无法编辑 intents 对象，因此这会使您想做的事情变得棘手，但并非不可能。
在您的答案节点中，添加一个上下文变量，例如 $topic。你用一个表示主题的术语来填充它。
然后，如果用户的问题没有得到回答，您可以检查主题上下文并将其添加到新的上下文变量中。这个新变量然后被应用层拾取以重新提出问题。
示例：
User: tell me about the loyalty program
WA-> Found #Loyality-Define
Set $topic to "loyalty"
Return answer.
User: how to join
WA-> No intent found.
$topic is not blank.
Set $reask to "$topic !! how to join"
APP-> $reask is set.
Ask question "loyalty !! how to join"
Clear $reask and $topic
WA-> Found #Loyalty-join
$topic set to "loyalty"
Return answer
现在在最后一种情况下，如果即使没有找到已加载的问题，清除 $topic 也会停止循环。
另一件需要注意的事情是，如果用户更改主题，您必须设置或清除主题。为了防止它选择旧主题。
注意：问题已更改，因此从技术上讲这是一个不同的问题。在下面留下以前的答案
您可以使用intents[] 对象来分析返回的结果。
因此您可以检查第一个意图和第二个意图之间的置信度差异。如果它们落在一定范围内，那么你就可以采取行动。
示例条件：
intents[0] > 0.24 && intents.[1] - intents[0] > 0.05
这会检查两个意图是否在彼此的 5% 以内。 0.24 的阈值是忽略第二个意图，因为它可能会低于 0.2，这通常意味着不应对该意图采取行动。
你可能想玩玩这个门槛。
只是为了解释你为什么这样做。看看这两个图表。第一个很明显只问了一个问题。第二张图表显示这两个意图非常接近。
要采取实际行动，最好有一个关闭的文件夹（条件=false）。在该文件夹中，您查找匹配 intents[1]。这将降低对话框中的复杂性。
如果你想要更复杂的东西，你可以在应用层做k-means。然后在应用层传回第二个意图，让对话逻辑采取行动。有一个example here。
Watson Assistant Plus 还使用消歧功能自动执行此操作。