Progettare bot di conoscenza

si applica a: SDK v4

È possibile progettare un bot di knowledge base che copre praticamente qualsiasi argomento. Indipendentemente dal caso d'uso per il quale è progettato un bot di conoscenza, l'obiettivo di base è sempre lo stesso: trovare e restituire le informazioni richieste dall'utente eseguendo una ricerca in un corpo di dati.

Ad esempio, un bot di informazioni potrebbe rispondere a domande sugli eventi, ad esempio "Quali eventi bot ci sono in questa conferenza?", "Quando è il prossimo show Reggae?", o "Chi è Tame Impala?" Un altro potrebbe rispondere a domande correlate all'IT, ad esempio "Come si aggiorna il sistema operativo?" o "Dove si passa per reimpostare la password?". Un altro potrebbe rispondere a domande sui contatti, ad esempio "Chi è John Doe?" o "Che cos'è l'indirizzo di posta elettronica di Jane Doe?".

Questo articolo illustra alcune delle funzionalità di intelligenza artificiale che è possibile aggiungere a un bot, ad esempio per consentire a un utente di cercare informazioni, porre domande o interagire con le informazioni. Per i servizi di Intelligenza artificiale di Azure supportati da Bot Framework SDK, vedere Comprensione del linguaggio naturale.

Suggerimento

I servizi di intelligenza artificiale di Azure incorporano tecnologie in continua evoluzione. Questo articolo descrive le funzionalità più recenti e precedenti.

Informazioni sui punteggi di attendibilità

Alcune funzionalità consentono a un bot di restituire informazioni da una Knowledge Base o da un modello linguistico in modo che corrisponda a una domanda o a una query dell'utente.

Ad esempio, se l'utente chiede a un bot di conoscenze musicali informazioni su "impala" (invece del nome completo della band "Tame Impala"), il bot può rispondere con informazioni che probabilmente sono rilevanti per tale input. Analogamente, le funzionalità di comprensione del linguaggio possono usare un modello linguistico per estrarre la finalità probabile dall'input dell'utente. Ad esempio, se l'utente chiede a un bot dell'agente di viaggio di prenotare una stanza per tre giorni, il bot potrebbe estrarre una finalità di "riservare una stanza" e completare la raccolta dei dettagli.

Sia la ricerca che il riconoscimento dell'intento restituiscono un punteggio di attendibilità, che indica il livello di fiducia che il motore ha sul fatto che un determinato risultato sia corretto. Usare i punteggi di attendibilità per ordinare i risultati o rispondere in modo diverso, in base alla fiducia complessiva nella risposta.

Annotazioni

Quando si utilizza una combinazione di differenti tipi di servizi o funzionalità, è importante testare gli input con ciascuno degli strumenti per determinare il punteggio di soglia di ognuno dei modelli. I servizi e le funzionalità usano criteri di punteggio diversi, quindi i punteggi generati in questi strumenti non sono direttamente confrontabili. Ad esempio, il servizio QnA Maker usava un intervallo di confidenza compreso tra 0 e 100, mentre la funzionalità di risposta alle domande usa un intervallo compreso tra 0,0 e 1,0.

• Se la fiducia è elevata, il bot potrebbe rispondere con "Ecco l'evento che meglio corrisponde alla ricerca" o "Posso aiutarti a prenotare una stanza" e presentare la risposta principale o iniziare a porre domande di completamento.
• Se la probabilità è bassa, il bot potrebbe rispondere con "Hmm... si sta cercando uno di questi eventi?" o "Posso aiutarti con le cose seguenti:" e presentare un elenco di possibili risposte o opzioni.

Per filtrare gli argomenti

È possibile progettare bot di knowledge base per aiutare un utente a restringere e perfezionare una ricerca. All'interno di una conversazione, il bot può porre domande chiare, presentare opzioni e convalidare i risultati, in modo che la ricerca di base non possa.

Ad esempio, un bot di eventi può scoprire il tipo di evento a cui l'utente è interessato facendo una serie di domande. Considerare lo scambio seguente:

1. Utente, "eventi".
2. Bot: "A cosa sei interessato?" Musica, Commedia, Film...".
3. Utente, "Musica".
4. Bot: "Che tipo di musica sei interessato? Qualsiasi, Rock/Pop, Hip-hop/Rap, ...".
5. Utente, "Rock/Pop".
6. Bot: "Che giorno vorresti vedere Rock/Pop? Venerdì, Sabato, Domenica, Qualsiasi".
7. Utente, "Saturday".
8. Bot: "Ecco gli spettacoli Rock/Pop per sabato:", con un elenco degli spettacoli trovati.

Elaborando l'input dell'utente in ogni passaggio e presentando le opzioni pertinenti, il bot guida l'utente alle informazioni che stanno cercando. Una volta recapitate queste informazioni, il bot può anche fornire indicazioni su modi più efficienti per trovare informazioni simili in futuro.

A proposito, è anche possibile digitare semplicemente "Rock friday" o cercare un evento per nome.

Per informazioni sui servizi di Azure correlati, vedere Ricerca nel concetto di comprensione del linguaggio naturale.

Per rispondere alle domande

È possibile progettare bot di knowledge base per rispondere alle domande frequenti. I servizi che supportano le funzionalità di domande e risposte spesso consentono all'utente o al bot di:

• Gestire ed eseguire il training di una Knowledge Base.
• Importare informazioni in una Knowledge Base, ad esempio da un file di dati o da una pagina Web.
• Indovina quale risposta si adatta meglio alla domanda dell'utente.
• Porre domande di approfondimento all'utente per aiutarlo a trovare la risposta che sta cercando.

Per informazioni sui servizi di Azure correlati, vedere Domande e risposte nell'articolo Concetti di comprensione del linguaggio naturale .

Per interpretare la finalità

Alcuni bot di conoscenza richiedono funzionalità di elaborazione del linguaggio naturale (NLP) in modo che possano analizzare i messaggi di un utente per determinare la finalità dell'utente e altre informazioni importanti.

In un bot per la riproduzione di musica, ad esempio, un utente potrebbe digitare "Play Reggae", "Play Bob Marley" o "Play One Love". È possibile addestrare un modello linguistico per associare ciascuno di questi messaggi all'intento "playMusic", senza dover addestrare il modello con ogni artista, genere e nome di canzone.

Il modello linguistico potrebbe non capire se la cosa da riprodurre, l'entità, è un genere, un artista o una canzone. Tuttavia, il bot può cercare tale entità usando queste informazioni e procedere da questa posizione.

Per informazioni sui servizi di Azure correlati, vedere Language Understanding nell'articolo Concetti di comprensione del linguaggio naturale .

Per integrare più funzionalità

Ogni funzionalità NLP è uno strumento potente a sé stante. Tuttavia, il bot può combinare queste funzionalità e altre funzionalità per offrire agli utenti un'esperienza più fluida e naturale. Usare i punteggi di attendibilità per determinare quale funzionalità è più adatta al messaggio dell'utente e porre domande di completamento se la corrispondenza migliore è ambigua.

Ad esempio, un bot di questo tipo può consentire all'utente di:

• Trova uno spettacolo a cui sono interessati a partecipare.
• Ottenere informazioni sull'artista, la sede e l'evento.
• Acquistare un ticket o iscriversi per ottenere notifiche di eventi futuri.

Per informazioni sui servizi di Azure correlati, vedere Usare più funzionalità insieme nell'articolo Concetti di comprensione del linguaggio naturale .

Esplorare gli esempi

Il repository di esempi di Bot Framework include alcuni bot di esempio che illustrano le funzionalità di comprensione del linguaggio:

Esempio	Nome di esempio	Descrizione
11	QnA Maker (semplice)	Rispondere alle domande come una serie di conversazioni a turno singolo usando QnA Maker.
13	Bot principale	Interpretare la finalità dell'utente usando LUIS.
14	NLP con distribuzione	Inviare messaggi utente a LUIS o QnA Maker usando Orchestrator.
49	QnA Maker (avanzato)	Rispondere alle domande usando funzionalità di apprendimento a più turni e attive in QnA Maker.

Annotazioni

Azure AI QnA Maker verrà ritirato il 31 marzo 2025. A partire dal 1° ottobre 2022, non sarà possibile creare nuove risorse o knowledge base di QnA Maker. Una versione più recente della funzionalità di domande e risposte è ora disponibile come parte del linguaggio di intelligenza artificiale di Azure.

La risposta alle domande personalizzate, una funzionalità del linguaggio di intelligenza artificiale di Azure, è la versione aggiornata del servizio QnA Maker. Per altre informazioni sul supporto di domande e risposte in Bot Framework SDK, vedere Comprensione del linguaggio naturale.

Annotazioni

Language Understanding (LUIS) verrà ritirato il 1° ottobre 2025. A partire dal 1° aprile 2023, non sarà possibile creare nuove risorse LUIS. Una versione più recente di Language Understanding è ora disponibile come parte del linguaggio di intelligenza artificiale di Azure.

CLU (Conversational Language Understanding), una funzionalità del linguaggio di intelligenza artificiale di Azure, è la versione aggiornata di LUIS. Per altre informazioni sul supporto per la comprensione del linguaggio in Bot Framework SDK, vedere Comprensione del linguaggio naturale.

I repository Azure SDK per .NET e Azure SDK per Python includono anche alcuni esempi:

Caratteristica / Funzionalità	Esempi README
Risposta alle domande	C#, Python
Comprensione del linguaggio di conversazione, flusso di lavoro di orchestrazione	C#, Python