何时考虑采用多工作区编排方法

如何解决何时考虑采用多工作区编排方法

我有一个内置有 150 多个意图的 watson 助手的机器人。最近，客户抱怨机器人的性能，开发团队也发现有时意图相互冲突。

然后我在网上搜索了一个解决方案并阅读了这篇关于工作区编排的article。这听起来像是一个可行的解决方案。

所以我的问题是，我们什么时候应该考虑使用这种方法？比如意图的数量或意图分类的平均置信度？

解决方法

使用编排层并不能解决根本问题。归根结底，如果您将意图拆分为两个助手，它们仍然会发生冲突……通常这会使它们更加冲突，因为您有效地使 Watson Assistant 的一个实例对另一个实例视而不见。

有很多方法可以改进您的助手，其中一些是产品内置的，而另一些可能需要更多的工作。

以下是帮助您前进的资源列表：

Watson Assistant 有一个内置功能可以检测冲突的意图并帮助解决它们。 这是其中之一？关于它的博客https://cobusgreyling.medium.com/how-to-resolve-intent-conflicts-with-ibm-watson-assistant-1ee5ee09587e

Watson Assistant 提供了很多资源来帮助您提高助手的质量，但以下博客将介绍最推荐的方法：

https://medium.com/ibm-watson/the-quickest-way-to-improve-intents-in-a-chatbot-44bad1f3a5fc

最后你应该熟悉这些 python notebooks，它们有助于分析和改进你的助手 https://github.com/watson-developer-cloud/assistant-improve-recommendations-notebook

,

对于可能涉及多个主题/主题的解决方案，我主要使用并看到了您链接中描述的路由器方法。例如，如果您的聊天机器人可以处理与银行相关的多个主题（信用卡、保险等），那么这些主题中的每一个都可以拥有专门的 Watson Assistant 技能。在这些技能之前，您应该有链接中提到的路由器，它主要用于识别与您的主题技能之一相关的用户意图。在此技能中，您可以将特定主题的所有示例问题作为意图发布。通过这种方式，您可以确保始终在此路由器技能中处理主题识别。此外，在此技能中，您应该考虑仅识别具有高置信度（例如 >0.8）的意图。这将帮助您更好地识别主题，但您需要确保进行适当的培训。相同的意图置信度阈值机制可以应用于您需要在您的学科技能中识别的意图。 这种方法可以帮助您更好地组织您的技能和意图，但如果您在聊天机器人中只处理一个主题，或者如果您有多个主题但意图数量很少，则可能会变得不知所措。