왓슨 챗봇 예제

의도, 엔터티 및 대화 상자는 Watson 시스템을 사용하여 Excel로 내보내거나 가져올 수 있습니다. 아래 스크린 샷은 만든 의도가있는 Excel 파일을 보여줍니다. 결과적으로 Excel 시트를 빠르게 채우고 채팅 봇에 콘텐츠를 채울 수 있습니다. 자신의 데이터와 함께 검색 서비스를 사용하려면 해당 데이터를 Watson 시스템으로 json으로 내보내야 합니다. 개발자는 소셜 그래프 https://sociograph.io/landing.html 같은 도구를 사용하여 Facebook 페이지에서 댓글을 추출하고 Watson 검색 서비스를 사용하여 긍정적이고 부정적인 댓글 범주로 그룹화할 수 있습니다. 이를 통해 공급업체는 만족하지 못한 고객을 더 잘 해결할 수 있습니다. Watson에는 응용 프로그램에서 검색 API를 구현하는 방법에 대한 자세한 설명서가 포함되어 있지만 이 문서에서는 다루지 않습니다. 다음 링크는 검색 API 서비스로 리디렉션됩니다. 그래서 당신은 무엇을 기대하고 있습니까? 이 기사를 계속 해 보겠습니다.

IBM 클라우드 계정을 설정, 카탈로그에서 왓슨 대화를 추가하고, 대화 작업 영역을 만드는 것은 잘 다른 튜토리얼에 의해 덮여, 나는 내 예에서 생략하고 대신 좋은 왓슨 대화 튜토리얼에 연결합니다. Watson Assistant의 AI 파워를 활용하여 코드를 작성할 필요 없이 자신만의 챗봇을 설계할 수 있습니다. 또한 WordPress 기반 사이트에 챗봇을 빠르게 배포하는 방법도 알아봅니다. WATSON_VERSION형식 YYYY-MM-DD (예 : 2018-09-16)로 서비스를 만드는 날짜를 사용하는 경우 초보자를위한 라이트 플랜은 꽤 좋고 완전히 무료입니다. 설정에 의문이 있는 경우 여기에 설명된 설명서를 참조하십시오. 또한, 참고 : 나는이 블로그에 설명 된 채팅 봇을 구축 뒤에 모든 개념에서 더 나은 명확성을 위해 책 추천 라이브러리 도우미의 예를 사용했다. 또한 “매장으로 가는 길찾기는 무엇입니까?” 를 “#store_location” 의도로 감지합니다. 다시 말하지만,이 질문은 교육 데이터와 직접 일치하지 않습니다 – 왓슨 대화는 질문이 교육에 따라 가장 가까운 의도를 결정했다.

이제 컨트롤러 구성. 여기에서 비즈니스와 관련된 모든 논리를 추가할 수 있습니다. 이 경우 Watson API에 대한 호출을 캡슐화하고 전체 응답 본문을 렌더링하는 서비스를 호출하기만 하면 됩니다. Armen은 12년 전 IBM에서 IoT 솔루션의 코스 개발자 및 트레이너로 시작했습니다. 그는 조직 및 행동 심리학 학사, 컴퓨터 과학 석사 및 컴퓨터 정보 시스템 MBA를 보유하고 있습니다.