Q&A nyelvi séma szerkesztése és kifejezések hozzáadása a Power BI Desktopban

Hatékony általános kifejezések és természetes nyelv használata az adatokkal kapcsolatos kérdések feltevéséhez. Még hatékonyabb, ha az adatok válaszolnak. Amikor kérdést tesz fel a Power BI Q&A-nak, az a legjobb megoldás. A nyelvi séma szerkesztésével még jobb interakciókhoz fejlesztheti a Q&A-válaszokat.

Minden a vállalati adatokkal kezdődik. Minél jobb az adatmodell, annál könnyebb lesz a felhasználóknak minőségi válaszokat kapniuk. A modell fejlesztésének egyik módja egy olyan nyelvi séma hozzáadása, amely meghatározza és kategorizálja a terminológiát, valamint az adathalmaz tábla- és oszlopnevei közötti kapcsolatokat. A Power BI Desktopban kezelheti nyelvi sémáit.

A Q&A-nak két oldala van. Az első oldal az előkészítés vagy a modellezés. A második oldal kérdéseket tesz fel, és feltárja az adatokat, vagy felhasználja azokat. Egyes vállalatoknál adatmodellezőknek vagy informatikai rendszergazdáknak nevezett alkalmazottak lehetnek azok, akik összeállítják az adathalmazokat, létrehozzák az adatmodelleket, és közzéteszik az adathalmazokat a Power BI-ban. Az alkalmazottak egy másik halmaza lenne az, aki online "felhasználná" az adatokat. Más vállalatoknál ezek a szerepkörök egyesíthetők.

Ez a cikk az adatmodellezőknek szól, akik a lehető legjobb Q&A-eredmények érdekében optimalizálják az adathalmazokat.

Mi az a nyelvi séma?

A nyelvi sémák olyan kifejezéseket és kifejezéseket írnak le, amelyeket a Q&A-nak ismernie kell az adathalmazon belüli objektumokhoz, beleértve a beszédrészeket, a szinonimákat és a kifejezéseket. Amikor importál vagy csatlakozik egy adatkészlethez, a Power BI létrehoz egy nyelvi sémát az adathalmaz struktúrája alapján. Amikor kérdéseket tesz fel a Q&A-nek, az egyezéseket és kapcsolatokat keres az adatokban a kérdés szándékának megállapításához. Például főneveket, igéket, mellékneveket, kifejezéseket és egyéb elemeket keres. Olyan kapcsolatokat keres, mint például az, hogy mely oszlopok egy ige objektumai.

Valószínűleg ismeri a beszéd egyes részeit, de a kifejezések új kifejezésnek bizonyulhatnak. A kifejezés az, hogy hogyan beszélünk (vagy kifejezés) a kapcsolatok között dolgokat. Az ügyfelek és a termékek közötti kapcsolat leírásához például azt mondhatja, hogy "az ügyfelek termékeket vásárolnak". Vagy az ügyfelek és a korok közötti kapcsolat leírásához azt is mondhatja, hogy "a korok jelzik, hogy hány évesek az ügyfelek". Vagy az ügyfelek és a telefonszámok közötti kapcsolat leírásához azt mondhatja, hogy "az ügyfelek telefonszámokkal rendelkeznek".

Ezek a kifejezések számos formában és méretben érkeznek. Vannak, akik közvetlenül az adatmodellben lévő kapcsolatoknak felelnek meg. Egyes oszlopok azokat tartalmazó táblákkal kapcsolják össze. Mások összetett kapcsolatokban több táblát és oszlopot kapcsolnak össze. Minden esetben a mindennapi kifejezések használatával írják le, hogyan kapcsolódnak a dolgok.

A nyelvi sémák .yaml formátumban vannak mentve. Ez a formátum a népszerű JSON-formátumhoz kapcsolódik, de rugalmasabb és könnyebben olvasható szintaxist biztosít. A nyelvi sémák szerkeszthetők, exportálhatók és importálhatók a Power BI Desktopba.

Előfeltételek

• Az adatmodell tervezésével és fejlesztésével kapcsolatos tippekért tekintse meg az ajánlott eljárásokat a Q&A Power BI-ban való optimalizálásához. Fontos szakaszt biztosít a szinonimák hozzáadásáról.
• Töltse le a minta .yaml és .pbix fájlokat.
• Telepítsen egy .yaml-fájlszerkesztőt. A Visual Studio Code használatát javasoljuk.

Szerkesztő beállítása .yaml-fájlokhoz

Azt javasoljuk, hogy a Visual Studio Code használatával szerkessze a nyelvi séma .yaml fájljait. A Visual Studio Code beépített támogatást nyújt a .yaml-fájlokhoz, és kiterjeszthető a Power BI nyelvi sémaformátumának speciális ellenőrzésére.

1. A Visual Studio Code telepítése.

2. Kattintson a jobb gombbal a .yaml fájlra a korábban mentett nyelvi mintában: QnALinguisticSchema.zip.

3. Válassza a Megnyitás másik alkalmazással lehetőséget>.

4. Válassza a Visual Studio Code, majd az Always (Mindig) lehetőséget.

   

A Visual Studio Code-ban telepítse a YAML-támogatást a Red Hat bővítménysel.

1. Válassza a Bővítmények lapot (a bal oldali menü utolsó elemét) vagy a CTRL+SHIFT+X billentyűkombinációt.
   
2. Keressen rá a "yaml" kifejezésre, és válassza a listában a RED Hat által támogatott YAML-támogatást.
3. Válassza az Újratöltés telepítése lehetőséget>.

Nyelvi sémák működése

A nyelvi sémák kétféleképpen használhatók. Ennek egyik módja a .yaml szerkesztése, importálása és exportálása a Power BI Desktop menüszalagjáról. Erről a Power BI Q&A eszközhasználati cikk nyújt tájékoztatást . A Q&A fejlesztéséhez nem kell megnyitnia a .yaml fájlt.

A nyelvi sémák szerkesztésének másik módja a .yaml-fájl közvetlen exportálása és szerkesztése. Nyelvi séma .yaml fájljának szerkesztésekor a táblázat oszlopait különböző nyelvtani elemekként címkézheti meg, és definiálhatja azokat a szavakat, amelyeket egy munkatárs egy kérdés kifejezésére használhat. Meg kell adnia például azokat az oszlopokat, amelyek az ige tárgyát és objektumát képezik. A munkatársak által a modellben lévő táblázatokra, oszlopokra és mértékekre hivatkozó alternatív szavakat adhat hozzá.

A nyelvi sémák szerkesztése előtt meg kell nyitnia (exportálnia) azt a Power BI Desktopból. A .yaml-fájl ugyanahhoz a helyhez való visszamentése importálásnak minősül. De más .yaml-fájlokat is importálhat. Ha például van egy hasonló adatkészlete, és már beírta a munkát a beszédrészek hozzáadására, a kapcsolatok azonosítására, a kifejezések létrehozására és a szinonimák létrehozására, használhatja ezt a .yaml fájlt egy másik Power BI Desktop-fájlban.

A Q&A mindezeket az információkat az Ön által végzett fejlesztésekkel együtt használja fel, hogy jobb választ, automatikus kiegészítést és a kérdések összegzését biztosítsa.

Nyelvi séma szerkesztése

Amikor először exportálja a nyelvi sémát a Power BI Desktopból, a Q&A motor automatikusan létrehozza a fájlban lévő tartalom nagy részét vagy egészét. Ezek a létrehozott entitások, szavak (szinonimák), kapcsolatok és kifejezések állapot : generált címkével vannak kijelölve. Ezek többnyire tájékoztató jellegűek a fájlban, de hasznos kiindulópontként szolgálnak a saját módosításaikhoz.

Megjegyzés

Az oktatóanyagban szereplő minta .yaml fájl nem tartalmazza a State: Generated or State: Deleted címkéket, mert kifejezetten ehhez az oktatóanyaghoz készült. A címkék megtekintéséhez nyisson meg egy nemszerkesztett .pbix-fájlt Kapcsolat nézetben, és exportálja a nyelvi sémát.

Amikor a nyelvi sémafájlt újra importálja a Power BI Desktopba, a rendszer figyelmen kívül hagyja a létrehozott állapotot, és később újragenerálódik. Így ha módosítani szeretne néhány létrehozott tartalmat, távolítsa el a megfelelő állapotot: Generált címke. Hasonlóképpen, ha el szeretne távolítani néhány létrehozott tartalmat, módosítsa a State: Generated tag to State: Deleted (Állapot: Deleted ) állapotot, hogy a nyelvi sémafájl importálásakor ne legyen újragenerálva.

Exportálás, majd .yaml-fájl importálása

1. A Power BI Desktopban nyissa meg az adathalmazt Modell nézetben.

2. A Modellezés lapon válassza a Nyelvi séma>exportálása nyelvi sémát.

3. Mentse. A fájlnév .lsdl.yaml végződésű.

4. Nyissa meg a Visual Code-ban vagy egy másik szerkesztőben.

5. A Power BI Desktop Modell nézetében a Modellezés lapon válassza a Nyelvi séma>importálása lehetőséget.

6. Lépjen arra a helyre, ahová a szerkesztett .yaml fájlt mentette, és jelölje ki. A sikerességről szóló üzenet arról tájékoztatja, hogy a nyelvi séma .yaml fájljának importálása sikeresen megtörtént.

   

Kifejezések a nyelvi sémában

A kifejezés az, hogy hogyan beszélünk (vagy kifejezés) a kapcsolatok között dolgokat. Az ügyfelek és a termékek közötti kapcsolat leírásához például azt mondhatja, hogy "az ügyfelek termékeket vásárolnak".

Honnan származnak a kifejezések?

A Power BI számos egyszerű kifejezést ad hozzá automatikusan a nyelvi sémához a modell struktúrája és az oszlopnevek alapján történő találgatások alapján. Például:

• A legtöbb oszlop egy egyszerű kifejezéssel ellátott táblázathoz kapcsolódik, például "a termékek leírással rendelkeznek".
• A modellkapcsolatok a kapcsolat mindkét irányára vonatkozóan alapértelmezett kifejezéseket eredményeznek, például a "rendelések termékekkel rendelkeznek" és "a termékek rendelésekkel rendelkeznek".
• Az oszlopnevek alapján egyes modellkapcsolatok összetettebb alapértelmezett kifejezésekkel rendelkezhetnek, például "a rendelések városokba vannak szállítva".

A felhasználók azonban olykor olyan dolgokról beszélnek, amelyeket a Q&A nem tud kitalálni. Ezért érdemes lehet manuálisan hozzáadnia a saját kifejezéseit.

Miért érdemes kifejezéseket hozzáadni?

A kifejezések hozzáadásának első oka egy új kifejezés definiálása. Ha például meg szeretné kérdezni a "legrégibb ügyfelek listáját", először meg kell tanítania a Q&A-t, hogy mit jelent a "régi". Ehhez adjon hozzá egy olyan kifejezést, mint a "kor jelzi, hogy hány éves ügyfelek".

A kifejezések hozzáadásának második oka a kétértelműség feloldása. Az alapszintű kulcsszókeresés csak akkor megy eddig, ha a szavak több jelentéssel is rendelkeznek. Például a "chicagoi járatok" nem azonosak a "Chicagóból induló járatokkal". A Q&A azonban nem fogja tudni, hogy melyikre gondol, hacsak nem adja hozzá a "járatok indulási városokból" és "a járatok az érkezési városokba" kifejezéseket. Hasonlóképpen, A Q&A csak akkor érti a különbséget a "autók, hogy John értékesített Mary" és "autók, hogy John vásárolt Mary" után adja hozzá a kifejezések "ügyfelek vásárolnak autók az alkalmazottak" és a "alkalmazottak eladni ügyfelek autók".

A kifejezés hozzáadásának végső oka az újratanítások javítása. Ahelyett, hogy a Q&A a "Show the customers and their products" (Az ügyfelek és termékeik megjelenítése) kifejezésre adna választ, az egyértelműbb lenne, ha a "Show the customers and the products they bought" (Az ügyfelek és az általuk vásárolt termékek megjelenítése) vagy "Show the customers and the products they reviewed" (Az ügyfelek és az általuk ellenőrzött termékek megjelenítése) szöveg lenne, attól függően, hogy hogyan értelmezte a kérdést. Az egyéni kifejezések hozzáadása lehetővé teszi, hogy az újraértelmezések explicitebbek és egyértelműbbek legyenek.

A kifejezések típusai

A különböző kifejezések megértéséhez először néhány alapvető nyelvtani kifejezést kell megjegyeznie:

• A főnév egy személy, hely vagy dolog. Példák: autó, tinédzser, Marty, fluxus kondenzátor
• Az ige egy művelet vagy állapot. Példák: hatch, burst, devour, eject
• A melléknév egy leíró szó, amely módosítja a főnevet. Példák: erőteljes, varázslatos, arany, lopott
• Az előszó egy olyan szó, amelyet egy főnév előtt használnak, hogy egy korábbi főnévhez, igéhez vagy melléknévhez kapcsolják: például:
• Az attribútum valaminek a minősége vagy funkciója.
• A név egy szó vagy szókészlet, amellyel egy személy, állat, hely vagy dolog ismert vagy hivatkozik.

Attribútumok kifejezései

Az attribútumok kifejezései a Q&A munkahorsai. Akkor használják őket, ha egy dolog egy másik dolog attribútumaként viselkedik. Ezek egyszerűek, egyszerűek, és a legtöbb nehéz emelést végrehajtják, ha még nem definiált finomabb, részletesebb kifejezéseket. Az attribútumok kifejezését a "have" (a termékek kategóriái) és a "gazdaországok/régiók gazdagép városok" alapszintű igével írják le. Emellett automatikusan engedélyezik az "of" és a "for" (termékkategóriák) vagy a "termékek megrendelései") és a birtokos ("János rendelései") prepozíciókkal kapcsolatos kérdéseket is. Az attribútumok kifejezései az alábbi típusú kérdésekben használatosak:

• Mely ügyfeleknek vannak rendeléseik?
• Gazdagépvárosok listázása növekvő ország/régió szerint
• Chai-t tartalmazó rendelések megjelenítése
• Ügyfelek listázása rendelésekkel
• Mi az egyes termékek kategóriája?
• Robert King gróf rendelései

A Power BI a modellben szükséges attribútumok többségét tábla- vagy oszlopelszigetelés és modellkapcsolatok alapján hozza létre. Általában nem kell saját maga létrehoznia őket. Íme egy példa az attribútumok kifejezésére a nyelvi sémában:

JSON

product_has_category:
  Binding: {Table: Products}
  Phrasings:
  - Attribute: {Subject: product, Object: product.category}

Névre vonatkozó kifejezések

A névmegnevezések akkor hasznosak, ha az adatmodell tartalmaz egy táblát, amely nevesített objektumokat, például sportolók nevét vagy ügyfélneveket tartalmaz. A "terméknevek a termékek nevei" kifejezés például elengedhetetlen ahhoz, hogy a kérdésekben termékneveket lehessen használni. A névhasználat lehetővé teszi az "elnevezett" szót is igeként (például "John Smith nevű ügyfelek listázása"). Azonban ez a legfontosabb, ha más kifejezésekkel kombinálva használják. Lehetővé teszi egy névérték használatát egy adott táblasorra való hivatkozáshoz. A "Chai-t vásárló ügyfelek" területen például a Q&A meg tudja állapítani, hogy a "chai" érték a terméktábla teljes sorára hivatkozik, nem pedig a terméknév oszlopban lévő értékre. A névre vonatkozó kifejezések az alábbi típusú kérdésekben használatosak:

• Mely alkalmazottak neve Robert King
• Ki a neve Ernst Handel
• Fernand De Montigny sportja
• Mary nevű sportolók száma
• Mit vett Robert King?

Feltéve, hogy ésszerű elnevezési konvenciót használt a modell névoszlopaihoz (például "Name" vagy "ProductName" helyett "PrdNm"), a Power BI automatikusan létrehozza a modellben szükséges névmegnevezések többségét. Ezeket általában nem kell saját maga létrehoznia.

Íme egy példa arra, hogyan néz ki egy névszó a nyelvi sémában:

JSON

employee_has_name:
  Binding: {Table: Employees}
  Phrasings:
  - Name:
      Subject: employee
      Name: employee.name

Melléknévi kifejezések

A mellékneves kifejezések új mellékneveket határoznak meg, amelyeket a modellben szereplő dolgok leírására használnak. Például a "boldog ügyfelek azok az ügyfelek, akiknél a 6. minősítés > " kifejezésre van szükség a "Boldog ügyfelek listázása a Des Moines-ban" kifejezéshez hasonló kérdések feltevéséhez. A mellékneves kifejezéseknek számos formája használható különböző helyzetekben.

Az egyszerű mellékneves kifejezések új mellékneveket határoznak meg egy feltétel alapján, például "a megszűnt termékek olyan termékek, amelyek állapota = D". Az ilyen típusú kérdésekhez egyszerű mellékneves kifejezéseket használnak:

• Mely termékeket szüntették meg?
• A megszűnt termékek listázása
• Az aranyérmesek listázása
• Backordered termékek

Íme egy példa arra, hogyan néz ki egy egyszerű mellékneves kifejezés a nyelvi sémában:

product_is_discontinued:

JSON

Binding: {Table: Products}
  Conditions:
  - Target: product.discontinued
    Operator: Equals
    Value: true
  Phrasings:
  - Adjective:
      Subject: product
      Adjectives: [discontinued]

A mérési melléknévi kifejezések egy új melléknevet határoznak meg egy numerikus érték alapján, amely jelzi a melléknév alkalmazási mértékét, például a "hosszok jelzik, hogy mennyi a folyók hossza", és "a kis ország/régiók kis szárazföldi területekkel rendelkeznek". A mérési melléknévi kifejezések az alábbi típusú kérdésekben használatosak:

• A hosszú folyók listázása
• Melyik folyó a leghosszabb?
• Sorolja fel a legkisebb országot/régiót, amely aranyat nyert a kosárlabdában
• Mennyi ideig tart a Rio Grande?

Íme egy példa arra, hogyan néz ki egy mérési melléknévi kifejezés a nyelvi sémában:

river_has_length:

JSON

Binding: {Table: Rivers}
 Phrasings:
 - Adjective:
     Subject: river
     Adjectives: [long]
     Antonyms: [short]
     Measurement: river.length

A dinamikus mellékneves kifejezések új mellékneveket határoznak meg a modell egy oszlopában lévő értékek alapján, például "színek írják le a termékeket" és "az eseményeknek esemény nemük van". A dinamikus mellékneves kifejezések az alábbi típusú kérdésekben használatosak:

• A piros termékek listázása
• Mely termékek zöldek?
• Korcsolyázási események megjelenítése nőknek
• Aktív problémák száma

Íme egy példa a dinamikus mellékneves kifejezések megjelenésére a nyelvi sémában:

product_has_color:

JSON

Binding: {Table: Products}
  Phrasings:
  - DynamicAdjective:
      Subject: product
      Adjective: product.color

Főnévi kifejezések

A főnévi kifejezések új főneveket határoznak meg, amelyek a modellben lévő dolgok részhalmazait írják le. Ezek gyakran tartalmaznak valamilyen modellspecifikus mérést vagy feltételt. Például a modellünkhöz olyan kifejezéseket szeretnénk hozzáadni, amelyek megkülönböztetik a bajnokokat az érmesektől, a szárazföldi sportokat a vízi sportoktól, a csapatokat és az egyéneket, vagy a sportolók korkategóriáit (tizenévesek, felnőttek, idősebbek). A filmadatbázis esetében érdemes lehet főnévi kifejezéseket hozzáadni a "flopok olyan filmekhez, ahol a nettó nyereség < 0", így olyan kérdéseket tehetünk fel, mint a "flopok száma év szerint". A főnévi kifejezéseknek két formája használható különböző helyzetekben.

Az egyszerű főnévi kifejezések egy feltételen alapuló új főnevet határoznak meg, például "a alvállalkozók olyan alkalmazottak, akik teljes munkaidőben = hamis" és "bajnok az a sportoló, ahol az érmek >száma 5." Az ilyen típusú kérdésekben egyszerű főnévi kifejezéseket használnak:

• Mely alkalmazottak alvállalkozók?
• A portlandi alvállalkozók megszámlálása
• Hány bajnok 2016-ban

Íme egy példa arra, hogyan néz ki egy egyszerű főnév a nyelvi sémában:

employee_is_contractor:

JSON

Binding: {Table: Employees}
  Conditions:
  - Target: employee.full_time
    Operator: Equals
    Value: false
  Phrasings:
  - Noun:
      Subject: employee
      Nouns: [contractor]

A dinamikus főnévi kifejezések új főnevek készletét határozzák meg a modell egy oszlopában lévő értékek alapján, például "a feladatok az alkalmazottak részhalmazait határozzák meg". A dinamikus főnévi kifejezések az alábbi típusú kérdésekben használatosak:

• A pénztárosok listázása Chicagóban
• Mely alkalmazottak baristák?
• 1992-ben a referensek listázása

Íme egy példa a dinamikus főnévi kifejezések megjelenésére a nyelvi sémában:
employee_has_job:

JSON

Binding: {Table: Employees}
 Phrasings:
 - DynamicNoun:
     Subject: employee
     Noun: employee.job

Preposition phrasings

A prepozíciós kifejezések azt írják le, hogy a modellben lévő dolgok hogyan kapcsolódnak az előpozíciókhoz. Például a "városok országokban/régiókban" kifejezéssel jobban megértheti az olyan kérdéseket, mint a "washingtoni városok megszámlálása". Egyes prepozíciós kifejezések automatikusan létrejönnek, ha egy oszlopot földrajzi entitásként ismernek fel. A prepozíciós kifejezések az alábbi típusú kérdésekben használatosak:

• New York-i ügyfelek megszámlálása
• A nyelvészetről szóló könyvek listázása
• Melyik városban van Robert King?
• Hány könyv van Stephen Pinker-ből?

Íme egy példa arra, hogyan néz ki egy preposition phrasing a nyelvi sémában:
customers_are_in_cities:

JSON

Binding: {Table: Customers}
 Phrasings:
 - Preposition:
     Subject: customer
     Prepositions: [in]
     Object: customer.city

Igei kifejezések

Az ige kifejezések segítségével írhatja le, hogyan kapcsolódnak a modellben lévő dolgok az ige segítségével. A "vevők vásárolnak termékeket" kifejezés például javítja az olyan kérdések megértését, mint a "ki vásárolt sajtot?" és "mit vásárolt John?" Az igei kifejezések a legrugalmasabbak az összes kifejezéstípus közül, gyakran több mint két dolgot kapcsolódnak egymáshoz, például "az alkalmazottak vevők termékeket árulnak". Az ige kifejezések az alábbi típusú kérdésekben használatosak:

• Ki adta el, hogy kinek?
• Melyik alkalmazott adta el Chait Johnnak?
• Hány ügyfelet adott el Mary?
• Sorolja fel azokat a termékeket, amelyeket Mary értékesített Johnnak.
• Mely megszűnt termékeket értékesítették a bostoni alkalmazottak a chicagói ügyfeleknek?

Az igei kifejezések prepozíciós kifejezéseket is tartalmazhatnak, ezáltal növelve rugalmasságukat, például "a sportolók érmeket nyernek a versenyeken", vagy "az ügyfelek visszatérítést kapnak a termékekért". Az alábbi kérdésekben prepozíciós kifejezéseket tartalmazó igei kifejezéseket használunk:

• Hány sportoló nyert aranyérmet a Visa Bajnokságon?
• Mely ügyfelek kapnak visszatérítést a sajtért?
• Melyik versenyen nyert Danell Leyva bronzérmet?

Egyes igei kifejezések automatikusan létrejönnek, ha egy oszlop felismerése egy igét és egy előpozíciót is tartalmaz.

Íme egy példa arra, hogyan néz ki egy igei kifejezés a nyelvi sémában:
customers_buy_products_from_salespeople:

JSON

Binding: {Table: Orders}
  Phrasings:
  - Verb:
      Subject: customer
      Verbs: [buy, purchase]
      Object: product
      PrepositionalPhrases:
      - Prepositions: [from]
        Object: salesperson

Kapcsolatok több kifejezéssel

Gyakran egyetlen kapcsolat több módon is leírható. Ebben az esetben egyetlen kapcsolat több kifejezéssel is rendelkezhet. Gyakran előfordul, hogy egy táblaentitás és egy oszlopentitással való kapcsolat attribútum-kifejezéssel és egy másik kifejezéssel is rendelkezik. Az ügyfél és az ügyfélnév közötti kapcsolatban például az attribútumok kifejezését (például "ügyfeleknek vannak nevei") és egy névszót (például "ügyfélnevek az ügyfelek nevei" ) is meg kell adnia, hogy mindkét kérdéstípust feltehesse.

Íme egy példa arra, hogyan néz ki egy kapcsolat két kifejezéssel a nyelvi sémán belül:
customer_has_name:

JSON

Binding: {Table: Customers}
Phrasings:
  - Attribute: {Subject: customer, Object: customer.name}
  - Name:
      Subject: customer
      Object: customer.name

Egy másik példa az "alkalmazottak vevőket értékesítő termékek" alternatív kifejezésének hozzáadása az "ügyfelek termékeket vásárolnak az alkalmazottaktól" kapcsolathoz. Nem kell olyan változatokat hozzáadnia, mint "az alkalmazottak termékeket adnak el az ügyfeleknek" vagy a "termékeket az alkalmazottak értékesítik az ügyfeleknek", mert a tárgy és a közvetett objektum "by" és "to" változatait a Q&A automatikusan kikövetkezi.

Megfontolandó szempontok és hibaelhárítás

Ha olyan .lsdl.yaml fájlt módosít, amely nem felel meg a nyelvi séma formátumának, az érvényesítési hullámokkal jelezheti a problémát:

Van még esetleg kérdése? Kérdezze meg a Power BI-közösség