IBM沃森对话与自然语言理解之间的区别

Question

我正在构建沃森对话服务，并且想知道不同的沃森对话和自然语言理解服务。

我想沃森对话服务支持自然语言理解，比如意图，实体但自然语言理解服务也提供意图和实体。

如果我只是使用意图和实体进行对话，我是否需要将自然语言理解绑定到对话服务？

谢谢。

Answer 1

从我理解这个问题的方式来看，我假设您知道Watson会话和自然语言分类器（NLC）是IBM Watson提供的两种不同的服务。

Watson对话基本上可以帮助你建立一个聊天机器人或一个机器人（它具有语音到文本或反之亦然）。这chatbot以不同的方式帮助用户。假设用户向聊天机器人提出问题，聊天机器人会相应地回答（这取决于您如何设计对话框或响应）。

问题1：你叫什么名字？

答案1：我是沃森。

相反，如果问题被错误地提出。

错误的问题：笏是你的名字吗？

答案仍然是：我是沃森。

为了使用Watson对话建立聊天机器人，您需要确保您对Intents，Entities以及最重要的对话框（对话框可帮助您设计对话流程）有正确的理解。如果你知道这三个部分，那么你很乐意与沃森的谈话。如果你把他们分开，NLC和Watson之间的谈话就没有联系。 *这就是说，沃森谈话本身有一个自然语言理解，它可以找出用户问题，即使问题是**不完整，语法错误，拼写错误的单词等。*

总之，你不需要绑定任何东西（自然语言）使对话开始工作。只要关注那些提供的3个（意图，实体，对话框），你就可以走了。

Answer 2

对话服务与NLU分开。对话是关于在你自己的域上构建一个聊天机器人。意图/实体只是你训练它的对象，而对话只是在对话中才可用，而不是NLU。

NLU是一种预训练服务，它返回关于文本的各种信息，但不会对响应做任何事情，并会回馈您预先训练的内容。开箱即用，你不能改变这一点。您可以使用像Watson Knowledge Studio这样的产品来训练自定义注释器，但NLU本身知道它知道什么，以及它是什么。

没有必要结合这些，但它是可能的。根据你试图解决的问题将有助于指导你想要使用的问题。如果你想了解非结构化文本的数据，而不需要真正的培训时间，NLU适合你。如果您想开发聊天机器人来帮助您的用户解决某些问题，对话适合您。

如果你想建立一个关于通用事物的聊天机器人，或者如果你需要诸如人名，抽取世界各地的地点等，并做出相应的响应，你可以使用NLU提取元数据，然后将其传递给对话和与您的自定义意图/实体/对话结合会有更强大的对话。