摘要
随着最近发生的各种事件改变了学生的学习方式，搜索学习内容的学生可能会因太多不符合他们需求的搜索结果而不知所措并感到气馁。学生需要抓紧时间来学习，而不是搜索学习内容。他们必须实现自助服务。这个 Pattern 中描述的自助式教育聊天机器人 (Florence) 可以倾听学生的学习问题，并通过将学生与对应年级的学习科目联系起来，迅速做出回应。
Florence 可帮助学生变为自助式用户。这种自助模型也可应用于其他行业，如寻找和评估产品、政府服务和研究公共卫生信息。您可以扩展自助式聊天机器人的构建理念，鼓励您的用户成为自助式用户。
概览
随着许多学校纷纷关门，家长和教师匆忙从课堂学习转向在线学习，开发者认为有必要帮助学生找到学习内容。我们创建 Florence 就是为了帮助学生快速获得可靠的学习内容。
Florence 旨在倾听学生对学习内容来源的请求，并使用 IBM® Watson™ 人工智能 (AI) 提供所请求的学习资源。通过使用 Florence，学生现在可以请求所需的年级水平和科目资源，并且收到的响应中会包含各种学习内容选择的直接链接。
Florence 如何实现这一目标？Florence 使用 Watson Assistant AI 技术创建一个对话流，模拟学生在请求学习建议时可能进行的对话。在创建 Watson Assistant 聊天机器人时，您需要创建搜索技能，这将成为您的意图（学生可能会问的问题）和实体（为意图提供上下文的术语）的存储库。例如，学生可能会问关于数学的问题，并在他们的问题中使用“方程式”一词。实体与同义词相关联，这些同义词可以帮助 Florence 确定哪些数学课程讲授方程式相关知识，并帮助 Florence 提供更准确的学习资源。
Watson Discovery 和 Natural Language Understanding (NLU) 对于助理平台至关重要，因为它们通过自然语言处理提升了 Florence 用户响应的准确性。这些增强功能有助于让您的用户感到聊天机器人更像人类。要详细了解内容，可查看自然语言处理系列文章。
完成本 Code Pattern 后，您将掌握如何：
- 创建包含意图和实体的 Watson Assistant 聊天机器人
- 使用 IBM Cloud 服务的 Trial Plus 版本中提供的 Watson Assistant 搜索技能，将您的聊天机器人与 Watson Discovery 集成起来
- 使用自然语言处理来组织您的集合，从而改善内容和同义词
- 使用 Watson Discovery 来丰富数据，让聊天机器人提供准确的响应
- 部署 Watson Assistant 聊天机器人，并邀请用户使用聊天机器人搜索学习内容
流程
- 运行 Python 程序，通过 Watson Natural Language Understanding 来运行数据集，提取元数据（例如，课程名称和描述）并扩充 CSV 文件。
- 运行 Node 程序，将 CSV 文件转换为 Watson Discovery 集合所需的 JSON 文件。
- 以编程方式将 JSON 文件上传到 Watson Discovery 集合中。
- 用户使用 Watson Assistant 对话技能通过聊天机器人进行交互。
- 当学生询问课程信息时，将通过 Watson Assistant 搜索技能向 Watson Discovery 服务发出搜索查询。Watson Discovery 向对话返回响应。
操作说明
可以在 README 文件中找到本 Pattern 的详细步骤。这些步骤将展示如何：
- 克隆该存储库。
- 创建 IBM Cloud 服务。
- 配置 Watson Natural Language Understanding 服务。
- 配置 Watson Discovery 服务。
- 配置 Watson Assistant 服务并测试聊天机器人。
本文翻译自：Build an educational self-service chatbot（2020-05-26）