निकाय और स्लॉट भरने की सर्वोत्तम प्रथाएँ Copilot Studio
स्लॉट फिलिंग क्या है?
स्लॉट भरना उन संस्थाओं के उपयोग से संबंधित है जो उपयोगकर्ता क्वेरी से उन्हें पहचान कर और निकालकर अधिक आसानी से जानकारी प्राप्त करने और उपयोग करने की अनुमति देती हैं।
को-पायलट को अपना काम करने के लिए आमतौर पर उपयोगकर्ता से कई प्रकार की जानकारी की आवश्यकता होती है। यह जानकारी प्राप्त करने के लिए, आप आमतौर पर अलग-अलग प्रश्न पूछेंगे, प्रत्येक तथ्य के लिए एक प्रश्न, जिसकी को-पायलट को आवश्यकता है। जब आप अपने प्रश्नों में इकाइयों का उपयोग करते हैं, तो Copilot Studio आवश्यक जानकारी का पता लगाता है और उन प्रश्नों को छोड़ देता है जहां जानकारी को ट्रिगर करने वाले उपयोगकर्ता क्वेरी में पहचाना जा सकता है।
उदाहरण के लिए, जब कोई उपयोगकर्ता पूछता है:
मैं 3 बड़ी नीली टी-शर्ट ऑर्डर करना चाहता हूँ
Copilot Studio नैचुरल लैंग्वेज अंडरस्टैंडिंग (NLU) तुरंत समझ सकता है:
- विषय ऑर्डर है।
- मात्रा 3 है.
- रंग नीला है.
- आइटम प्रकार है टी-शर्ट.
को-पायलट तब अनावश्यक प्रश्नों को छोड़ सकता है। यदि कुछ जानकारी गायब है, उदाहरण के लिए आकार, तो यह आगे बढ़ने से पहले अनुत्तरित प्रश्न पूछता है। स्लॉट भरने से आपका को-पायलट अधिक आसानी से जानकारी प्राप्त कर सकता है और उसका उपयोग कर सकता है तथा आपके द्वारा पूछे जाने वाले प्रश्नों की संख्या कम हो जाती है।
सबसे पहले आप यह निर्धारित करें कि आप किन इकाइयों का उपयोग करना चाहते हैं, तथा उनके प्रकार क्या हैं।
संस्थाओं को परिभाषित करना
Copilot Studio सबसे आम उपयोग के मामलों के लिए कई अंतर्निहित इकाइयाँ प्रदान करता है, जैसे कि ईमेल, दिनांक और समय, व्यक्ति का नाम, फ़ोन संख्या, रंग, देश, शहर, संख्या, पैसा, और अधिक।
अंतर्निहित निकाय शक्तिशाली होते हैं, क्योंकि वे सूचना के अनेक रूपों को संभाल सकते हैं। उदाहरण के लिए, किसी वार्तालाप में पैसे का उपयोग करते समय, उपयोगकर्ता "$100" या "सौ डॉलर" या "100 डॉलर" के रूप में मान दर्ज कर सकता है। Copilot Studio में NLU मॉडल यह पता लगाता है कि मूल्य 100 डॉलर का मौद्रिक मूल्य है।
टिप
मानों को चाहे जैसे भी दर्ज किया जाए, जब तक कि उन्हें आपके वार्तालाप प्रवाह में प्रश्नों के साथ अनुरोध किया जाता है, वे चरों में संग्रहीत होते हैं जिन्हें आप पुनः उपयोग कर सकते हैं।
आप अपनी स्वयं की कस्टम इकाइयाँ भी परिभाषित कर सकते हैं, जैसे कि आइटम प्रकार पिछले उदाहरण से. कस्टम इकाइयाँ दो प्रकार की हो सकती हैं:
- बंद सूची: मानों की पूर्वनिर्धारित सूची के लिए.
- नियमित अभिव्यक्तियाँ (RegEx): किसी विशिष्ट पैटर्न से मेल खाने वाली जानकारी के लिए। RegEx तब आदर्श होता है जब आपको हमेशा एक ही प्रारूप का डेटा कैप्चर करने की आवश्यकता होती है (उदाहरण के लिए, INC000001 टिकट संख्या के लिए)
उपयोगकर्ता अनुभव में सुधार
इकाइयों का उपयोग करने से आपका जीवन सरल हो जाता है, क्योंकि इससे आप उपयोगकर्ता के प्रश्नों से अधिक समझदारी से जानकारी एकत्र कर सकते हैं। Copilot Studio इससे भी महत्वपूर्ण बात यह है कि इससे उपयोगकर्ताओं का जीवन बेहतर हो जाता है, क्योंकि संस्थाएं उपयोगकर्ता के प्रश्नों से जानकारी प्राप्त कर उसे संग्रहीत कर सकती हैं, तथा बाद में उस जानकारी को वार्तालाप में उपलब्ध करा सकती हैं। निकाय उपयोगकर्ता अनुभव को बेहतर बनाते हैं - वे आपके को-पायलट को अधिक स्मार्ट बनाते हैं - और जब भी संभव हो उनका उपयोग करना निश्चित रूप से सर्वोत्तम अभ्यास है।
निकाय की सर्वोत्तम प्रथाएँ
समानार्थी शब्दों का प्रयोग करें
आप इकाई की सूची में प्रत्येक आइटम के लिए मिलान तर्क को मैन्युअल रूप से विस्तारित करने के लिए बंद सूची इकाई मानों में समानार्थी शब्द जोड़ सकते हैं। उदाहरण के लिए, "हाइकिंग" आइटम में, आप "ट्रेकिंग" और "पर्वतारोहण" को समानार्थक शब्द के रूप में जोड़ सकते हैं।
टिप
- समानार्थी शब्दों का प्रयोग भी विषय ट्रिगरिंग में मदद कर सकता है, क्योंकि वे किसी इकाई के समानार्थी के रूप में संबंधित शब्दों को जोड़कर ट्रिगर फ़्रेज़ के वजन को बढ़ाते हैं। उदाहरण के लिए, "शिकायत" विकल्प के लिए समान नकारात्मक शब्दों या वाक्यांशों को समानार्थक शब्द के रूप में जोड़ें।
- NLU मॉडल सभी इकाई भिन्नताओं (अर्थात्, उनके सभी मान और उनके समानार्थक शब्द) पर भी सामान्यीकरण करता है, यदि विषय ट्रिगर फ़्रेज़ में इस इकाई की कम से कम एक भिन्नता शामिल है। दूसरे शब्दों में, को-पायलट लेखकों को इस इकाई के एक उपयोग के साथ ट्रिगर फ़्रेज़ का एक उदाहरण शामिल करना चाहिए ताकि NLU अन्य इकाई विविधताओं पर सामान्यीकरण कर सके।
स्मार्ट मैचिंग सक्षम करें
प्रत्येक बंद सूची इकाई के लिए, आप स्मार्ट मिलान भी सक्षम कर सकते हैं.
स्मार्ट मिलान को-पायलट's NLU मॉडल द्वारा समर्थित इंटेलिजेंस का हिस्सा है। इस विकल्प को सक्षम करने पर, को-पायलट इकाई में सूचीबद्ध वस्तुओं के आधार पर फ़ज़ी लॉजिक का उपयोग करके उपयोगकर्ता के इनपुट की व्याख्या करता है।
विशेष रूप से, को-पायलट स्वचालित रूप से अशुद्ध वर्तनी को सही कर देता है तथा अपने मिलान तर्क को अर्थगत रूप से विस्तारित करता है। उदाहरण के लिए, को-पायलट स्वचालित रूप से "सॉफ्टबॉल" को "बेसबॉल" से मिला सकता है।
नियमित अभिव्यक्तियों के साथ रचनात्मक बनें
कभी-कभी, उपयोगकर्ता क्वेरी से इकाई निष्कर्षण NLU मॉडल के लिए भ्रम पैदा कर सकता है, खासकर जब उपयोगकर्ता क्वेरी में एक ही प्रकार की कई इकाइयाँ मौजूद हों।
उदाहरण के लिए, यदि कोई उपयोगकर्ता कहता है:
क्या आप कमरा 101 में 2 तौलिए और 1 तकिया ला सकते हैं?
अंतर्निहित संख्या इकाई का उपयोग करने पर 2, 1 और 101 के बीच भ्रम हो सकता है। इस भ्रम को दूर करने के लिए, आप निम्नलिखित नियमित अभिव्यक्ति इकाइयाँ परिभाषित कर सकते हैं:
- तौलिया मात्रा: [1-9] तौलिया
- तकिया मात्रा: [1-9] तकिया
- कक्ष संख्या: [0-9]{3}
संदर्भित डेटा संग्रहीत करने के लिए संस्थाओं के विकल्प
बड़े या विकसित हो रहे डेटासेट (उदाहरण के लिए उत्पादों या ग्राहकों की सूची) के लिए, बंद सूची इकाइयों का उपयोग करने के बजाय, आप बाहरी स्रोतों की जांच करना चाह सकते हैं। Copilot Studio आपको a Power Automate क्लाउड फ़्लो का उपयोग करके उपयोगकर्ता कथन को बाह्य सेवा तक पहुंचाना होगा।
आपका विषय तर्क बातचीत में आगे बढ़ने से पहले परिणाम की सटीकता को सत्यापित कर सकता है (या उपयोगकर्ता को इसे सत्यापित करने के लिए कह सकता है)।
Dataverse इस तरह के डेटा को संग्रहीत करने के लिए एक अच्छा विकल्प है, क्योंकि इसमें एक अंतर्निहित Dataverse खोज क्षमता है जो कॉन्फिडेंस स्कोर के साथ सर्वोत्तम परिणाम देने के लिए फ़ज़ी मिलान का समर्थन करती है। यहां तक कि पूरे वाक्य के साथ खोज करने पर भी यह संभावित मिलान प्राप्त करने में सक्षम है।
टिप
नमूना कार्यान्वयन की समीक्षा करने के लिए, देखें परिणामों की सूची लौटाएँ.