Merancang bot pengetahuan
BERLAKU UNTUK: SDK v4
Anda dapat merancang bot pengetahuan yang mencakup hampir semua topik. Terlepas dari kasus penggunaan di mana bot pengetahuan dirancang, tujuan dasarnya selalu sama: menemukan dan mengembalikan informasi yang diminta pengguna dengan mencari isi data.
Misalnya, satu bot pengetahuan mungkin menjawab pertanyaan tentang peristiwa seperti, "Acara bot apa yang ada di konferensi ini?", "Kapan acara Reggae berikutnya?", atau "Siapa adalah Tame Impala?" Pertanyaan lain mungkin menjawab pertanyaan terkait IT seperti "Bagaimana cara memperbarui sistem operasi saya?" atau "Di mana saya harus mengatur ulang kata sandi saya?". Namun, orang lain mungkin menjawab pertanyaan tentang kontak seperti "Siapa adalah John Doe?" atau "Apa alamat email Jane Doe?".
Artikel ini membahas beberapa kemampuan AI yang dapat Anda tambahkan ke bot, seperti untuk memungkinkan pengguna mencari informasi, mengajukan pertanyaan, atau berinteraksi dengan informasi. Untuk layanan Azure AI mana yang didukung Bot Framework SDK, lihat Pemahaman bahasa alami.
Tip
Layanan Azure AI menggabungkan teknologi yang berkembang. Artikel ini menjelaskan fitur yang lebih baru dan yang lebih lama.
Tentang skor keyakinan
Beberapa fitur memungkinkan bot mengembalikan informasi dari model basis pengetahuan atau bahasa agar sesuai dengan pertanyaan atau kueri pengguna.
Misalnya, jika pengguna meminta bot pengetahuan musik untuk informasi tentang "impala" (alih-alih nama lengkap band "Tame Impala"), bot dapat merespons dengan informasi yang kemungkinan besar relevan dengan input tersebut. Demikian pula, fitur pemahaman bahasa dapat menggunakan model bahasa untuk mengekstrak niat yang mungkin dari input pengguna. Misalnya, jika pengguna meminta bot agen perjalanan untuk "memesan kamar selama tiga hari", bot mungkin mengekstrak niat "pesan kamar" dan menindaklanjuti dengan mengumpulkan detail.
Pengenalan pencarian dan niat mengembalikan skor keyakinan, yang menunjukkan tingkat kepercayaan mesin bahwa hasil tertentu sudah benar. Gunakan skor keyakinan untuk mengurutkan hasil atau merespons secara berbeda, berdasarkan keyakinan keseluruhan dalam jawaban Anda.
Catatan
Saat Anda menggunakan kombinasi jenis layanan atau fitur yang berbeda bersama-sama, uji input dengan setiap alat untuk menentukan skor ambang batas untuk setiap model Anda. Layanan dan fitur menggunakan kriteria penilaian yang berbeda, sehingga skor yang dihasilkan di seluruh alat ini tidak sebanding secara langsung. Misalnya, layanan QnA Maker menggunakan rentang keyakinan 0 hingga 100, sementara fitur jawaban atas pertanyaan menggunakan rentang 0,0 hingga 1,0.
- Jika keyakinan tinggi, bot Anda mungkin merespons dengan "Inilah peristiwa yang paling cocok dengan pencarian Anda" atau "Saya dapat membantu Anda memesan kamar" dan menyajikan jawaban teratas atau mulai mengajukan pertanyaan tindak lanjut.
- Jika keyakinan rendah, bot Anda mungkin merespons dengan "Hmm... apakah Anda mencari salah satu peristiwa ini?" atau "Saya dapat membantu Anda dengan hal-hal berikut:" dan menyajikan daftar kemungkinan jawaban atau opsi.
Untuk memfilter topik
Anda dapat merancang bot pengetahuan untuk membantu pengguna mempersempit dan menyempurnakan pencarian. Dalam percakapan, bot dapat mengajukan pertanyaan klarifikasi, menyajikan opsi, dan memvalidasi hasil, dengan cara yang tidak dapat dilakukan pencarian dasar.
Misalnya, bot peristiwa dapat mengetahui jenis peristiwa apa yang diminati pengguna dengan mengajukan serangkaian pertanyaan. Pertimbangkan pertukaran berikut:
- Pengguna, "peristiwa".
- Bot, "Apa yang anda minati? Musik, Koma, Film...".
- Pengguna, "Musik".
- Bot, "Jenis musik apa yang Anda minati? Apa pun, Rock/Pop, Hip-hop/Rap, ...".
- Pengguna, "Rock/Pop".
- Bot, "Hari apa anda ingin melihat Rock/Pop? Jumat, Sabtu, Minggu, Any".
- Pengguna, "Sabtu".
- Bot, "Berikut adalah pertunjukan Rock/Pop untuk Sabtu:", dengan daftar acara yang ditemukan.
Dengan memproses input pengguna di setiap langkah dan menyajikan opsi yang relevan, bot memandu pengguna ke informasi yang mereka cari. Setelah bot memberikan informasi tersebut, bot juga dapat memberikan panduan tentang cara yang lebih efisien untuk menemukan informasi serupa di masa mendatang.
Ngomong-ngomong, Anda juga dapat mengetik "Rock friday" atau mencari acara berdasarkan nama.
Untuk informasi tentang layanan Azure terkait, lihat Cari di artikel Konsep pemahaman bahasa alami.
Untuk menjawab pertanyaan
Anda dapat merancang bot pengetahuan untuk menjawab pertanyaan yang sering diajukan. Layanan yang mendukung fitur pertanyaan dan jawaban sering memungkinkan Anda atau bot Anda untuk:
- Mengelola dan melatih basis pengetahuan.
- Impor informasi ke dalam basis pengetahuan, seperti dari file data atau halaman web.
- Tebak jawaban mana yang paling tepat untuk pertanyaan pengguna.
- Ajukan pertanyaan tindak lanjut kepada pengguna untuk membantu menemukan jawaban yang mereka cari.
Untuk informasi tentang layanan Azure terkait, lihat Pertanyaan dan jawaban dalam artikel Konsep pemahaman bahasa alami.
Untuk menafsirkan niat
Beberapa bot pengetahuan memerlukan kemampuan pemrosesan bahasa alami (NLP) sehingga mereka dapat menganalisis pesan pengguna untuk menentukan niat pengguna dan informasi penting lainnya.
Dalam bot pemutaran musik, misalnya, pengguna mungkin mengirim pesan "Play Reggae", "Play Bob Marley", atau "Play One Love". Anda dapat melatih model bahasa untuk memetakan masing-masing pesan ini ke niat "playMusic", tanpa dilatih dengan setiap artis, genre, dan nama lagu.
Model bahasa Anda mungkin tidak memahami apakah hal yang akan dimainkan, entitas, adalah genre, artis, atau lagu. Namun, bot Anda dapat mencari entitas tersebut menggunakan informasi ini, dan melanjutkan dari sana.
Untuk informasi tentang layanan Azure terkait, lihat Pemahaman bahasa di artikel Konsep pemahaman bahasa alami.
Untuk mengintegrasikan beberapa fitur
Setiap fitur NLP adalah alat yang canggih dengan haknya sendiri. Namun, bot Anda dapat menggabungkan fitur-fitur ini dan lainnya untuk memberikan pengalaman yang lebih lancar dan alami kepada pengguna Anda. Gunakan skor keyakinan untuk menentukan fitur mana yang paling tepat untuk pesan pengguna, dan ajukan pertanyaan tindak lanjut jika kecocokan terbaik ambigu.
Misalnya, bot seperti itu dapat membiarkan pengguna:
- Temukan acara yang mereka minati untuk dihadiri.
- Dapatkan informasi tentang artis, tempat, dan acara.
- Beli tiket atau daftar untuk pemberitahuan acara mendatang.
Untuk informasi tentang layanan Azure terkait, lihat Menggunakan beberapa fitur bersama-sama dalam artikel Konsep pemahaman bahasa alami.
Jelajahi sampel
Repositori Sampel Kerangka Kerja Bot memiliki beberapa contoh bot yang menunjukkan fitur pemahaman bahasa:
| Sampel | Nama Sampel | Deskripsi |
|---|---|---|
| 11 | QnA Maker (sederhana) | Jawab pertanyaan sebagai serangkaian percakapan giliran tunggal menggunakan QnA Maker. |
| 13 | Bot inti | Menginterpretasikan niat pengguna menggunakan LUIS. |
| 14 | NLP dengan pengiriman | Kirim pesan pengguna ke LUIS atau QnA Maker menggunakan Orchestrator. |
| 49 | QnA Maker (tingkat lanjut) | Jawab pertanyaan menggunakan fitur pembelajaran multi-giliran dan aktif di QnA Maker. |
Catatan
Azure AI QnA Maker akan dihentikan pada 31 Maret 2025. Mulai 1 Oktober 2022, Anda tidak akan dapat membuat sumber daya atau basis pengetahuan QnA Maker baru. Versi kemampuan pertanyaan dan jawaban yang lebih baru sekarang tersedia sebagai bagian dari Bahasa Azure AI.
Jawaban atas pertanyaan kustom, fitur Bahasa Azure AI, adalah versi terbaru dari layanan QnA Maker. Untuk informasi selengkapnya tentang dukungan tanya jawab di Bot Framework SDK, lihat Pemahaman bahasa alami.
Catatan
Pemahaman Bahasa (LUIS) akan dihentikan pada 1 Oktober 2025. Mulai 1 April 2023, Anda tidak akan dapat membuat sumber daya LUIS baru. Versi pemahaman bahasa yang lebih baru sekarang tersedia sebagai bagian dari Bahasa Azure AI.
Pemahaman bahasa percakapan (CLU), fitur Bahasa Azure AI, adalah versi LUIS yang diperbarui. Untuk informasi selengkapnya tentang dukungan pemahaman bahasa di Bot Framework SDK, lihat Pemahaman bahasa alami.
Azure SDK untuk repositori .NET dan Azure SDK for Python juga memiliki beberapa sampel:
| Fitur | Sampel README |
|---|---|
| Jawaban atas pertanyaan | C#, Python |
| Pemahaman bahasa percakapan, alur kerja orkestrasi | C#, Python |