Meningkatkan performa menjawab pertanyaan

  • 3 menit

Setelah membuat dan menguji pangkalan pengetahuan, Anda dapat meningkatkan performanya dengan pembelajaran aktif dan dengan mendefinisikan sinonim.

Menggunakan pembelajaran aktif

Pembelajaran Aktif dapat membantu Anda melakukan peningkatan berkelanjutan sehingga menjadi lebih baik dalam menjawab pertanyaan pengguna dengan benar dari waktu ke waktu.

Pembelajaran aktif membantu meningkatkan pangkalan pengetahuan dengan dua cara:

  • Umpan balik implisit: Saat permintaan masuk diproses, layanan ini mengidentifikasi pertanyaan yang disediakan pengguna yang memiliki beberapa kecocokan yang sama-sama dicetak di pangkalan pengetahuan. Ini secara otomatis diklusterkan sebagai saran frasa alternatif untuk kemungkinan jawaban yang dapat Anda terima atau tolak di halaman Saran untuk basis pengetahuan Anda di Azure AI Language Studio.

  • Umpan balik eksplisit. Saat mengembangkan aplikasi klien, Anda dapat mengontrol jumlah kecocokan pertanyaan yang mungkin dikembalikan untuk input pengguna dengan menentukan parameter teratas, seperti yang ditunjukkan di sini:

    {
    "question": "I want to book a hotel.",
    "top": 3
}

    Respons dari layanan mencakup objek pertanyaan untuk setiap kemungkinan kecocokan, hingga nilai teratas yang ditentukan dalam permintaan:

    {
    "answers":[
        {"questions":[
            "How do I book a hotel?"
        ],
        "answer":"Call 555-123-4567 to book.",
        "score":76.55,
        "id":2,
        ...
        },
        {"questions":[
            "Can I book multiple hotel rooms?"
        ],
        "answer":"Yes, you can reserve up to 3 rooms.",
        "score":76.15,
        "id":6,
        ...
        },
        {"questions":[
            "Is there a booking fee?"
        ],
        "answer":"No, we do not charge a booking fee.",
        "score":75.99,
        "id":11,
        ...
        }
    ]
}

    Anda dapat menerapkan logika di aplikasi klien Anda untuk membandingkan nilai propertiskor untuk pertanyaan, dan berpotensi menyajikan pertanyaan kepada pengguna sehingga mereka dapat mengidentifikasi pertanyaan yang paling dekat dengan apa yang ingin mereka tanyakan secara positif.

    Dengan pertanyaan yang benar diidentifikasi, aplikasi Anda dapat menggunakan REST API untuk mengirim umpan balik yang berisi frasa alternatif yang disarankan berdasarkan input asli pengguna:

    {
    "records": [
        {
            "userId": "1234",
            "userQuestion": "I want to book a hotel.",
            "qnaId": 2
        }
    ]
}

    QnaId dalam umpan balik sesuai dengan id pertanyaan yang diidentifikasi pengguna sebagai kecocokan yang benar. Parameter userId adalah pengidentifikasi untuk pengguna dan dapat berupa nilai apa pun yang Anda pilih, seperti alamat email atau pengidentifikasi numerik.

    Umpan balik akan disajikan di halaman Saran pembelajaran aktif untuk basis pengetahuan Anda di Azure AI Language Studio agar Anda menerima atau menolak.

Catatan

Untuk mempelajari selengkapnya tentang pembelajaran aktif, lihat Memperkaya proyek Anda dengan pembelajaran aktif.

Mendefinisikan sinonim

Sinonim berguna saat pertanyaan yang diajukan oleh pengguna mungkin mencakup beberapa kata yang berbeda dengan makna yang sama. Misalnya, pelanggan agen perjalanan mungkin mengacu pada "reservasi" atau "pemesanan". Dengan mendefinisikan ini sebagai sinonim, layanan jawaban atas pertanyaan dapat menemukan jawaban yang tepat terlepas dari istilah mana yang digunakan pelanggan individu.

Untuk mendefinisikan sinonim, Anda harus menggunakan REST API untuk mengirimkan sinonim dalam format JSON berikut:

{
    "synonyms": [
        {
            "alterations": [
                "reservation",
                "booking"
                ]
        }
    ]
}

Catatan

Untuk mempelajari selengkapnya tentang sinonim, lihat Peningkatan kualitas respons dengan sinonim.