Válaszok lekérdezése a tudásbázis
Közzé kell tenni egy tudásbázis. A közzététel után a rendszer lekérdezi a tudásbázis a futtatókörnyezet előrejelzési végpontján a generateAnswer API használatával. A lekérdezés tartalmazza a kérdés szövegét és egyéb beállításait, hogy a QnA Maker a lehető legjobb választ válassza ki.
Megjegyzés:
A QnA Maker szolgáltatás 2025. március 31-én megszűnik. A kérdés- és válaszképesség újabb verziója már elérhető az Azure AI Language részeként. A Nyelvi szolgáltatáson belüli kérdések megválaszolási képességeiről a kérdések megválaszolása című témakörben olvashat. 2022. október 1-től nem hozhat létre új QnA Maker-erőforrásokat. A meglévő QnA Maker-tudásbázis kérdés megválaszolásához tekintse meg a migrálási útmutatót.
Hogyan dolgozza fel a QnA Maker a felhasználói lekérdezéseket a legjobb válasz kiválasztásához?
A betanított és közzétett QnA Maker tudásbázis felhasználói lekérdezést kap egy robottól vagy más ügyfélalkalmazástól a GenerateAnswer API-n. Az alábbi ábra a felhasználói lekérdezés fogadásának folyamatát mutatja be.
Rangsoroló folyamat
A folyamatot az alábbi táblázat ismerteti.
| Lépés | Cél |
|---|---|
| 1 | Az ügyfélalkalmazás elküldi a felhasználói lekérdezést a GenerateAnswer API-nak. |
| 2 | A QnA Maker előre feldolgozta a felhasználói lekérdezést nyelvfelismeréssel, helyesírás-ellenőrzőkkel és szótörésekkel. |
| 3 | Ez az előfeldolgozás a legjobb keresési eredmények felhasználói lekérdezésének módosításához szükséges. |
| 4 | A rendszer elküldi ezt a módosított lekérdezést egy Azure AI Search-indexnek, amely megkapja az top eredmények számát. Ha a helyes válasz nem szerepel ezekben az eredményekben, növelje kissé az értéket top . A lekérdezések 90%-ában általában 10 top érték szerepel. Ebben a lépésben az Azure keresési szűrői leállítják a szavakat . |
| 5 | A QnA Maker szintaktikai és szemantikai alapú featurizálással határozza meg a felhasználói lekérdezés és a lekért QnA-eredmények közötti hasonlóságot. |
| 6 | A gépi tudású rangsoroló modell az 5. lépés különböző funkcióit használja a megbízhatósági pontszámok és az új rangsorolási sorrend meghatározásához. |
| 7 | Az új eredmények rangsorolt sorrendben jelennek meg az ügyfélalkalmazásban. |
A használt funkciók közé tartoznak a szószintű szemantikák, a korpusz kifejezésszintű fontossága, valamint a két szöveges sztring közötti hasonlóság és relevancia meghatározására szolgáló részletes szemantikai modellek.
HTTP-kérés és válasz végponttal
A tudásbázis közzétételekor a szolgáltatás létrehoz egy REST-alapú HTTP-végpontot, amely integrálható az alkalmazásba, általában egy csevegőrobotba.
A válasz létrehozására irányuló felhasználói lekérdezési kérelem
A felhasználói lekérdezés az a kérdés, amelyet a végfelhasználó a tudásbázis kérdez, példáulHow do I add a collaborator to my app?. A lekérdezés gyakran természetes nyelvi formátumban vagy néhány olyan kulcsszóval rendelkezik, amelyek a kérdést képviselik, például help with collaborators. A lekérdezést a rendszer egy HTTP-kérésből küldi el a tudásbázis az ügyfélalkalmazásban.
{
"question": "How do I add a collaborator to my app?",
"top": 6,
"isTest": true,
"scoreThreshold": 20,
"strictFilters": [
{
"name": "QuestionType",
"value": "Support"
}],
"userId": "sd53lsY="
}
A választ olyan tulajdonságok beállításával szabályozhatja, mint a scoreThreshold, a top és a strictFilters.
A beszélgetési környezet többfordulós funkcióval történő használatával a beszélgetés tovább finomíthatja a kérdéseket és válaszokat, így megtalálhatja a helyes és végleges választ.
A válasz létrehozására irányuló hívás válasza
A HTTP-válasz az adott felhasználói lekérdezés legjobb egyezése alapján lekért válasz a tudásbázis. A válasz tartalmazza a választ és az előrejelzési pontszámot. Ha egynél több felső választ kért a top tulajdonsággal, több felső választ is kap, mindegyikhez egy pontszám tartozik.
{
"answers": [
{
"questions": [
"How do I add a collaborator to my app?",
"What access control is provided for the app?",
"How do I find user management and security?"
],
"answer": "Use the Azure portal to add a collaborator using Access Control (IAM)",
"score": 100,
"id": 1,
"source": "Editorial",
"metadata": [
{
"name": "QuestionType",
"value": "Support"
},
{
"name": "ToolDependency",
"value": "Azure Portal"
}
]
}
]
}