Aktivní učení
Funkce Aktivní návrhy učení umožňuje zlepšit kvalitu znalostní báze tím, že navrhne alternativní otázky na základě odesílaných uživatelů do páru otázek a odpovědí. Tyto návrhy si prohlédnete a buď je přidáte k existujícím otázkám, nebo je odmítnete.
Vaše znalostní báze se automaticky nezmění. Aby se změny projevily, musíte návrhy přijmout. Tyto návrhy přidávají otázky, ale stávající otázky se nemění ani neodeberou.
Poznámka:
Služba QnA Maker se vyřadí z provozu 31. března 2025. Novější verze funkce pro otázky a odpovědi je teď dostupná jako součást jazyka Azure AI. Možnosti odpovídání na otázky v rámci služby Language Service najdete v tématu odpovědi na otázky. Od 1. října 2022 nebudete moct vytvářet nové prostředky služby QnA Maker. Informace o migraci stávajících znalostní báze služby QnA Maker na zodpovězení otázek najdete v průvodci migrací.
Co je aktivní učení?
QnA Maker se učí nové varianty otázek s implicitní a explicitní zpětnou vazbou.
- Implicitní zpětná vazba – Ranker rozumí tomu, když má otázka uživatele více odpovědí s skóre, která jsou velmi blízko a považuje ji za zpětnou vazbu. Nemusíte nic dělat, aby se to stalo.
- Explicitní zpětná vazba – když se z znalostní báze vrátí více odpovědí s malými variacemi, klientská aplikace položí uživateli, který otázku je správná. Explicitní zpětná vazba uživatele se odešle službě QnA Maker pomocí rozhraní API pro trény.
Obě metody poskytují rankeru s podobnými dotazy, které jsou clusterované.
Jak funguje aktivní učení
Aktivní učení se aktivuje na základě skóre prvních několika odpovědí vrácených službou QnA Maker. Pokud se rozdíly skóre mezi páry QnA, které odpovídají dotazu, nacházejí v malém rozsahu, považuje se dotaz za možný návrh (jako alternativní otázku) pro každý z možných párů QnA. Jakmile přijmete navrženou otázku pro konkrétní pár QnA, zamítne se pro ostatní páry. Po přijetí návrhů musíte pamatovat na uložení a trénování.
Aktivní učení poskytuje nejlepší možné návrhy v případech, kdy koncové body získávají přiměřené množství a různé dotazy na využití. Pokud je pět nebo více podobných dotazů v clusteru, služba QnA Maker každých 30 minut navrhne dotazy na základě uživatelů návrháři znalostní báze, aby je přijal nebo odmítl. Všechny návrhy jsou seskupené podle podobnosti a nejčastější návrhy alternativních otázek se zobrazují na základě četnosti konkrétních dotazů koncovými uživateli.
Po navržení otázek na portálu služby QnA Maker je potřeba tyto návrhy zkontrolovat a přijmout nebo odmítnout. Ke správě návrhů není rozhraní API.
Jak funguje implicitní zpětná vazba služby QnA Maker
Implicitní zpětná vazba služby QnA Maker používá algoritmus k určení blízkosti skóre a pak provede aktivní návrhy učení. Algoritmus pro určení blízkosti není jednoduchý výpočet. Rozsahy v následujícím příkladu nejsou určeny k opravení, ale měly by být použity jako vodítko k pochopení účinku pouze algoritmu.
Pokud je skóre otázky vysoce spolehlivé, například 80 %, rozsah skóre, které se považují za aktivní učení, je široký, přibližně do 10 %. S poklesem skóre spolehlivosti, například 40 %, se rozsah skóre sníží i přibližně do 4 %.
V následující odpovědi JSON z dotazu na generateAnswer služby QnA Maker jsou skóre pro A, B a C blízko a budou se považovat za návrhy.
{
"activeLearningEnabled": true,
"answers": [
{
"questions": [
"Q1"
],
"answer": "A1",
"score": 80,
"id": 15,
"source": "Editorial",
"metadata": [
{
"name": "topic",
"value": "value"
}
]
},
{
"questions": [
"Q2"
],
"answer": "A2",
"score": 78,
"id": 16,
"source": "Editorial",
"metadata": [
{
"name": "topic",
"value": "value"
}
]
},
{
"questions": [
"Q3"
],
"answer": "A3",
"score": 75,
"id": 17,
"source": "Editorial",
"metadata": [
{
"name": "topic",
"value": "value"
}
]
},
{
"questions": [
"Q4"
],
"answer": "A4",
"score": 50,
"id": 18,
"source": "Editorial",
"metadata": [
{
"name": "topic",
"value": "value"
}
]
}
]
}
QnA Maker neví, která odpověď je nejlepší odpovědí. Pomocí seznamu návrhů na portálu QnA Maker vyberte nejlepší odpověď a natrénujte ji znovu.
Jak poskytnete explicitní zpětnou vazbu pomocí rozhraní Train API
QnA Maker potřebuje explicitní zpětnou vazbu, na kterou z odpovědí byla nejlepší odpověď. Jak je určena nejlepší odpověď, je na vás a může zahrnovat:
- Zpětná vazba uživatele, výběr jedné z odpovědí
- Obchodní logika, například určení přijatelného rozsahu skóre
- Kombinace zpětné vazby uživatelů i obchodní logiky.
Pomocí rozhraní API pro trény odešlete správnou odpověď službě QnA Maker, jakmile ho uživatel vybere.
Upgrade verze modulu runtime pro použití aktivního učení
Active Learning se podporuje v modulu runtime verze 4.4.0 a vyšší. Pokud jste znalostní báze vytvořili ve starší verzi, upgradujte modul runtime, aby tuto funkci používal.
Zapnutí aktivního učení pro alternativní otázky
Aktivní učení je ve výchozím nastavení vypnuté. Zapněte ho, aby se zobrazily navrhované otázky. Po zapnutí aktivního učení je potřeba odesílat informace z klientské aplikace do služby QnA Maker. Další informace najdete v tématu Tok architektury pro použití generateAnswer a trénování rozhraní API z robota.
Vyberte Publikovat a publikujte znalostní báze. Aktivní dotazy učení se shromažďují pouze z koncového bodu předpovědi rozhraní API GenerateAnswer. Dotazy na podokno Testování na portálu služby QnA Maker nemají vliv na aktivní učení.
Pokud chcete aktivní učení zapnout na portálu služby QnA Maker, přejděte do pravého horního rohu, vyberte své jméno, přejděte na Nastavení služby.
Vyhledejte službu QnA Maker a pak přepněte službu Active Learning.
Poznámka:
Přesná verze na předchozím obrázku se zobrazuje jenom jako příklad. Vaše verze se může lišit.
Jakmile je aktivní učení povolené, znalostní báze navrhne nové otázky v pravidelných intervalech na základě dotazů odeslaných uživatelem. Aktivní učení můžete zakázat opětovným přepnutím nastavení.
Kontrola navrhovaných alternativních otázek
Podívejte se na alternativní navrhované otázky na stránce Upravit každé znalostní báze.