«Обучение» Wit.Ai это не совсем то, что некоторые могут подумать, что это.
Вам придется создавать истории для вашей User saysколонки. Ответы не имеют значения, если честно. Вы не можете «научить» wit.ai ответить. Ответы определены в истории или в вашем коде.
Что wit.ai может потребоваться от ваших данных ключевых слов и ключевых фраз, которые делают признание лица лучше wit.ai.
Вот простейший пример:

Объект colorпризнается на основе ключевых слов , перечисленных. Так что если у вас есть много данных , как пример пользовательского ввода - вы можете попытаться разбить его первым в «какие объекты которые пользовательский ввод должны производить» , а затем ключевые слова из этих входных данных.
Использование данных для «учения» - было бы немного трудным, так как это потребует от вас создать много историй в wit.ai для покрытия возможного пользовательского ввода и идентификации объекта. Но вы все равно можете сделать это следующим образом:
(Грубый пример)
- Сделайте один рассказ о пользователе, задающего время, например
- Отметка на входе пользователя, какие объекты должны быть выведены из этого входа:

- Сортировка списка вы должны получить все возможные пути просить время:
- Как поздно это?
- Можешь сказать мне время?
- Интересно, что это время?
- Используйте скрипт ( Python ) , чтобы «стрелять» все эти входы пользователей в вашей истории.
- После этого - переход к пониманию того времени wit.ai и пройти через весь ввод коррекции \ добавляя объекты, которые вы определили.
Этот процесс будет «научить» объекты, если они являются ключевыми словами на основе или какой-либо другой алгоритм.
Это лучшее, что я могу думать о том, как использовать имеющиеся данные. Wit.Ai отличается от других языков обработки инструментальных наборов и «учить» его с существующими данными несколько «загадочный» :)