■前回までの内容
前回は、IBM WatsonのAPIの概要と、Alchemy APIについてのトライアルでした。
■API紹介
引き続きトライアルを続けてまいります。
Concept Expansion-dq
いくつかの単語を与えると関連する語を返すデモです。
kyoto
kobe
osaka
の3つの単語を与えて試してみました。
結果は順に以下の通りです。
tokyo
chiba
kanazawa
okayama
prefecture
kansai
shizuoka
kurashiki
kinki
sapporo
・・・以下略
なるほど、日本の地名、都道府県名といった属性を認識しているのか、そのような関連性を持った単語を返してきました。
もういちど、今度は
okonomiyaki
takoyaki
yakisoba
で検索してみます。
結果は、
noodles
tempura
gyoza
donburi
spring rolls
fried noodles
dumplings
chow mein
chicken teriyaki
teriyaki chicken
・・・以下略
こちらも、日本およびアジアの食べ物といった関連性のある単語が返ってきているように見えます。
「～だったら～とかもどう？」といった使い方をする場合には非常に有効になりそうです。
Concept Insights
入力したテキストからトピックや単語、概念を抽出し、TEDトークを検索するデモです。
二段階認証についての記事から本文をテキストとして試してみます。
結果は、記事タイトル信頼度What’s wrong with your pa$$w0rd?99%Fighting viruses, defending the net99%Three types of online attack99%
なるほど、セキュリティやハッキングに関するトークが検索されました。そのものズバリの内容ではないですが、関連する内容にはなっているようです。これはTEDトークに二段階認証に関するものが無いことが原因かもしれません。
Dialog
ピザを注文するデモです。Watson：Hi! I can help you order a pizza, what size would you like? Large size please：入力Watson：What toppings are you in the mood for? (Limit 4)? meat meat meat and meat：入力Watson：I’m sorry, meat isn’t something we offer. We have things like pepperoni, sausage, mushrooms, olives, etc.?
曖昧な表現をした場合に提案をしてくれるわけではないようです。さすがに期待しすぎですね。
もう一度、Watson：What size would you like? large：入力Watson：What toppings are you in the mood for? (Limit 4)? pepperoni, sausage, pineapple：入力Watson：Do you prefer pickup or delivery? delivery：入力Watson：Ok, I have one Large Pepperoni, Sausage & Pineapple pizza for delivery. Is that correct? ok：入力Watson：I didnt grasp what you said. おっと、「OK」はダメなようです。 私の英語が不自由なんです、すいません・・・。Watson：Ok, I have one Large pizza with no toppings for delivery. Is that correct? おや、なぜかトッピングの指定が無くなってしまいました。 これは、単純にデモアプリのバグでしょうか。 no no：入力Watson：Oops! Let’s start over. What size would you like? big：入力Watson：What toppings are you in the mood for? (Limit 4) 「big」は大丈夫でした。 ham：入力Watson：Do you prefer pickup or delivery? delivery：入力Watson：Ok, I have one Large canadian bacon pizza for delivery. Is that correct? Watsonにとって「hum」は「canadian bacon」の認識のようです。 hmm yes：入力Watson：Sounds good! Your pizza will be ready in 20 minutes. Do you want to order another? no：入力Watson：Okay, thank you for your order! Just let me know if you want to place another order.
ある程度形式が固まった質問と返答でないとだめなようです。人間のオペレータだと思って普通に注文するとイライラしたりすることもあるかもしれません。予めコンピュータの自動応答であること、入力の作法等を利用者に提示する（学習してもらう）必要がありそうです。
Document Conversion
HTML、Word文章、PDFからテキスト要素を抽出するデモです。
デモで用意されているサンプルデータで試してみたところ、HTML、Word文章からは問題なく文章が抽出されていましたが、PDFからの場合、文章でない要素も文章として検出されていました。 学習のために与えるデータの前処理として使う場合には、抽出精度がどれくらいなのかが気になります。
■今回はここまで
デモ自体が実用性を考えて用意されているため、どのような目的に使用するのかといったイメージを捉えやすくなっています。 とはいえ、他の枠にとらわれない使い方について、自由な発想を忘れないようにしたいです。