專案背景
隨著有經驗的資深石油工程師退休，新的工程師必須在短時間內，從累積超過10年的上百萬頁文件中學習經驗，對於分秒必爭的石油業而言，延宕開採的成本是很驚人的，讓每位新工程師從龐大的文件和檔案中學習，且做出決策是非常耗時的過程。
解決方案
IBM Watson將Woodside公司，30年的實際工程經驗，共38,000份文檔，加載到Watson Explorer中，並打造企業KM小幫手Willow虛擬搜尋助理，讓工程師能夠快速地從百萬文件中，找到相關的歷史資料，做出適當的決策。
1.利用Watson Explorer建立並訓練專業知識庫，串接 Watson API功能
利用Watson Explorer建立一套企業內部石油知識庫(Corpus)，透過眾多經驗豐富的工程師，進行人工訓練，並經由Watson上下文理解功能，解決報告種類眾多及每位工程師陳述詞彙不同的問題，並利用任意文字搜尋之技術，使工程師可以按自己的方式描述搜尋問題；再來透過Watson API將Natural Language Classifier (訓練問題分類)、Retrieve and Rank (訓練回答正確度)及Conversation (與使用者互動)，進行串接。
2.串接API功能，使用自然語言查詢知識庫，並透過Conversation自動回應
利用Natural Language Classifier分析工程師對話中的意圖，能理解不同的表達方式，讓工程師用人的對話方式與Willow互動，了解工程師的問題之後，Watson從Corpus知識庫中收集所有相關的資訊，用Retrieve and Rank分析相關度將每項資訊回覆評分，並回答出最適合的選項，最後，用Conversation結合人工語音，模仿人聲給予工程師回覆。
推薦引擎的作用在於幫助公司，據會員喜好推薦可能購買商品，亦對會員減少討厭的廣告信件，形成一個雙贏的局面。
相關案例：
