IBM Watson Conversation：如何以编程方式将消息转化为反例？
IBM Watson Conversation: How to programmatically turn messages to counterexamples?
IBM Watson Conversation service 优惠作为其 UI "Improve" 的一部分。它能够查看最近的消息、它们的分类，然后重新分类或标记为不相关。
在REST API for that conversation service there functions to list and create counterexamples and examples. I looked at the Python SDK中，API也是支持的。如何以编程方式将最近的用户对话（消息、用户输入）转化为示例或反例？我需要使用什么 API 功能？
您需要使用工作区 API 中引用的 logging API。
如果需要，日志记录会使用弹性搜索filter it down。
虽然它不会为您提供类似于改进选项卡的细分。因此，您需要以编程方式跟踪要捕获和添加的内容。
尽管有任何类型的自动化更新您的培训，但我会非常谨慎。正确的培训只能由主题专家来完成。自动化它很可能会污染训练。
另一件要避免的事情是，如果 Conversation 得到正确答案，就不要将正确答案添加到训练中。它是多余的，还意味着需要进一步测试以确保它不会影响您现有的模型。
IBM Watson Conversation service 优惠作为其 UI "Improve" 的一部分。它能够查看最近的消息、它们的分类，然后重新分类或标记为不相关。
在REST API for that conversation service there functions to list and create counterexamples and examples. I looked at the Python SDK中，API也是支持的。如何以编程方式将最近的用户对话（消息、用户输入）转化为示例或反例？我需要使用什么 API 功能？
您需要使用工作区 API 中引用的 logging API。
如果需要，日志记录会使用弹性搜索filter it down。
虽然它不会为您提供类似于改进选项卡的细分。因此，您需要以编程方式跟踪要捕获和添加的内容。
尽管有任何类型的自动化更新您的培训，但我会非常谨慎。正确的培训只能由主题专家来完成。自动化它很可能会污染训练。
另一件要避免的事情是，如果 Conversation 得到正确答案，就不要将正确答案添加到训练中。它是多余的，还意味着需要进一步测试以确保它不会影响您现有的模型。