"Insegnare" Wit.Ai non è esattamente quello che qualcuno potrebbe pensare che è.
Si dovrà creare storie per la vostra User sayscolonna. Le risposte sono irrilevanti per essere onesti. Non si può "insegnare" wit.ai a rispondere. Le risposte vengono definiti nella storia o nel codice.
Che wit.ai potrebbe bisogno dai dati sono parole chiave e frasi-chiave che rendono il riconoscimento dell'entità meglio per wit.ai.
Ecco l'esempio più semplice:

Entity colorè riconosciuto in base a parole chiave elencate. Quindi, se avete un sacco di dati come un esempio di input dell'utente - si può provare una scomposizione prima in "quale entità che l'input dell'utente dovrebbero produrre" e parole chiave da quelli di ingresso.
Utilizzando i dati per "insegnare" - sarebbe stato un po 'difficile dato che richiederà di creare un sacco di piani di wit.ai per coprire possibili input dell'utente e l'identificazione entità. Ma si può ancora fare in questo modo:
(Esempio ruvida)
- Fare una storia di utente che chiede il tempo per esempio
- Mark in input dell'utente, che entità dovrebbero essere derivati da tale ingresso:

- Ordinare l'elenco è necessario ottenere tutti i possibili modo di chiedere per il momento:
- Quanto in ritardo è?
- Potresti dirmi l'ora?
- Mi chiedo che cosa è il tempo?
- Utilizzare uno script ( Python ) per "sparare" tutti questi dati da parte dell'utente a vostra storia.
- Una volta fatto - andare a tempo Comprensione della wit.ai e passare attraverso tutti gli input correggere \ aggiungendo le entità definite.
Questo processo "insegnare" entità se sono basati su parole chiave o qualche altro algoritmo.
Questo è il meglio che posso pensare su come utilizzare i dati esistenti. Wit.Ai è diverso da altri elaborazione del linguaggio tool-set e "insegnare" con i dati esistenti è un po ' "imbarazzante" :)