QnA Maker 기술 자료의 모범 사례
기술 자료 개발 수명 주기에서는 KB를 종합적으로 관리하는 방법을 안내합니다. 모범 사례를 사용하여 기술 자료를 개선하고 애플리케이션 또는 챗봇 최종 사용자에게 보다 나은 결과를 제공할 수 있습니다.
참고 항목
QnA Maker 서비스가 2025년 3월 31일부로 종료됩니다. 이제 최신 버전의 질문 및 답변 기능이 Azure AI 언어의 일부로 사용할 수 있습니다. 언어 서비스 내의 질문 답변 기능은 질문 답변을 참조하세요. 2022년 10월 1일부터 새로운 QnA Maker 리소스를 만들 수 없습니다. 기존 QnA Maker 기술 자료를 질문 답변으로 마이그레이션하는 방법에 대한 정보는 마이그레이션 가이드를 참조하세요.
추출
QnA Maker 서비스는 콘텐츠에서 QnA를 추출하고 지원되는 파일 및 HTML 형식 목록을 확장하는 알고리즘을 지속적으로 개선하고 있습니다. 문서 형식에 따라 데이터 추출에 대한 지침을 수행합니다.
일반적으로 FAQ 페이지는 독립 실행형이어야 하며, 다른 정보와 결합되지 않아야 합니다. 제품 설명서는 제목에 명확해야 하고 인덱스 페이지까지 명확하면 더욱 좋습니다.
다중 턴 구성
다중 턴 추출이 사용 설정된 기술 자료를 만듭니다. 기술 자료가 질문 계층 구조를 지원하거나 지원해야 하는 경우 문서에서 이 계층 구조는 문서에서 추출하거나 문서를 추출한 후에 생성될 수 있습니다.
좋은 질문 및 답변 만들기
좋은 질문
가장 좋은 질문은 간단합니다. 각 질문의 키워드 또는 문구를 고려한 다음, 해당 키워드 또는 문구에 대한 간단한 질문을 만듭니다.
필요한 개수만큼 대체 질문을 추가하되, 간단한 변경으로 유지합니다. 질문의 주요 목표에 속하지 않는 단어나 문구를 더 추가하는 것은 QnA Maker에서 일치 항목을 찾는 데 도움이 되지 않습니다.
관련 대체 질문 추가
사용자는 텍스트 대화형 스타일(How do I add a toner cartridge to my printer?) 또는 키워드 검색(예: toner cartridge)을 사용하여 질문을 입력할 수 있습니다. 가장 적합한 답변을 올바르게 반환하려면 기술 자료에 두 가지 스타일의 질문이 모두 있어야 합니다. 고객이 어떤 키워드를 입력하는지 확실하지 않은 경우 Application Insights 데이터를 사용하여 쿼리를 분석합니다.
좋은 답변
가장 적합한 답변은 간단한 답변이지만, 너무 간단하지 않아야 합니다. yes 및 no와 같은 답변은 사용하지 마세요. 답변을 다른 원본에 연결되거나 답변에서 미디어 및 링크를 사용하여 풍부한 경험을 제공해야 하는 경우 메타데이터 태그 지정을 사용하여 답변을 구분한 다음, strictFilters 속성에 메타데이터 태그가 있는 쿼리를 제출하여 올바른 답변 버전을 가져옵니다.
| 답변 | 후속 프롬프트 추가 |
|---|---|
| 키보드의 전원 단추를 사용하여 Surface 노트북의 전원을 켭니다. | * 절전 모드, 종료 및 다시 시작 키 조합 * Surface 노트북을 하드 부팅하는 방법 * Surface 노트북의 BIOS를 변경하는 방법 * 절전 모드, 종료 및 다시 시작 간의 차이점 |
| 고객 서비스는 하루 24시간 동안 전화, Skype 및 문자 메시지를 통해 이용 가능합니다. | * 판매를 위한 연락처 정보 * 직접 방문을 위한 사무실 및 매장 위치와 시간 * Surface 노트북용 액세서리 |
잠답
봇에 잡담을 추가하여 적은 노력으로 봇을 대화형이고 몰입도 높게 만듭니다. KB를 만들 때 미리 정의된 개성의 잡담 데이터 세트를 쉽게 추가하고 언제든지 변경할 수 있습니다. KB에 잡담을 추가하는 방법을 알아봅니다.
잡담은 여러 언어로 지원됩니다.
개성 선택
잡담은 미리 정의된 여러 개성에 지원됩니다.
| 성격 | QnA Maker 데이터 세트 파일 |
|---|---|
| Professional | qna_chitchat_professional.tsv |
| 친숙한 | qna_chitchat_friendly.tsv |
| 재치있는 | qna_chitchat_witty.tsv |
| 배려하는 | qna_chitchat_caring.tsv |
| 열정적인 | qna_chitchat_enthusiastic.tsv |
응답은 격식체에서 비격식체의 범위까지 지정됩니다. 봇에 원하는 어조와 가장 가깝게 맞춰진 개성을 선택합니다. 데이터 세트를 보고, 봇에 대한 기준으로 사용되는 데이터 세트를 선택한 다음, 응답을 사용자 지정할 수 있습니다.
봇 관련 질문 편집
잠답 데이터 집합의 일부이며 일반 답변으로 채워진 몇 가지 봇 관련 질문이 있습니다. 이 대답을 변경하여 봇 세부 정보를 가장 잘 반영합니다.
잡담 QnA를 구체적으로 만드는 것이 좋습니다.
- 귀하는 누구인가요?
- 무엇을 할 수 있나요?
- 나이가 어떻게 되세요?
- 만든 사람은 누구인가요?
- Hello
메타데이터 태그를 사용하여 사용자 지정 잡담 추가
잡담 QnA 쌍을 추가하는 경우 이러한 답변이 반환되도록 메타데이터를 추가해야 합니다. 메타데이터 이름/값 쌍은 editorial:chitchat입니다.
답변 검색
GenerateAnswer API는 질문 및 답변을 모두 사용하여 사용자의 쿼리에 가장 적합한 답변을 검색합니다.
답변이 관련이 없는 경우에만 질문 검색
답변을 검색하지 않으려면 RankerType=QuestionOnly를 사용합니다.
이에 대한 예제는 머리글자어가 질문이고 전체 형식이 답변인 카탈로그가 기술 자료인 경우입니다. 답변의 값은 적절한 답변을 검색하는 데 도움이 되지 않습니다.
순위 지정/채점
QnA Maker가 지원하는 순위 기능을 최대로 활용하시기 바랍니다. 그러면 특정 사용자 쿼리에 적절하게 답변할 가능성이 높아집니다.
임계값 선택
임계값으로 사용되는 기본 신뢰도 점수는 0이지만 필요에 따라 KB에 대한 임계값을 변경할 수 있습니다. 모든 KB가 다르므로 KB에 가장 적합한 임계값을 에 테스트하고 선택해야 합니다.
Ranker 유형 선택
기본적으로 QnA Maker는 질문과 답변을 검색합니다. 질문에 대해서만 검색하려는 경우 답변을 생성하려면 GenerateAnswer 요청의 POST 본문에 RankerType=QuestionOnly를 사용합니다.
대체 질문 추가
대체 질문은 사용자 쿼리와 일치할 가능성을 높입니다. 대체 질문은 같은 질문을 여러 가지 방식으로 받을 수 있는 경우에 유용합니다. 여기에는 문장 구조 및 단어 스타일 변경이 포함됩니다.
| 원래 쿼리 | 대체 쿼리 | 변경 |
|---|---|---|
| 주차 가능하나요? | 주차장이 있나요? | 문장 구조 |
| 안녕하세요. | Y0 Hey there! |
단어 스타일 또는 속어 |
메타데이터 태그를 사용하여 질문과 답변 필터링
메타데이터는 클라이언트 애플리케이션에서 모든 답변을 받지 않고 메타데이터 태그를 기준으로 사용자 쿼리 결과의 범위를 축소하는 기능을 추가합니다. 쿼리가 같더라도 메타데이터 태그에 따라 기술 자료 답변이 달라질 수 있습니다. 예를 들어 식당 지점의 위치가 다르면 "주차장 위치는 어디인가요"에 대한 대답이 달라질 수 있습니다. 즉, 메타데이터는 위치: 시애틀 또는 위치: 레드몬드입니다.
동의어 사용
영어에서는 동의어를 일부 지원하지만, Alterations API를 통해 대/소문자를 구분하지 않는 단어 변경을 사용하여 다른 형식의 키워드에 동의어를 추가합니다. 동의어는 QnA Maker 서비스 수준에서 추가되고 서비스의 모든 기술 자료에서 공유됩니다.
고유한 단어를 사용하여 질문을 구분
사용자 쿼리를 기술 자료의 질문과 일치시키는 QnA Maker 순위 알고리즘은 각 질문이 다른 요구 사항을 다루는 경우에 가장 효과적입니다. 질문 사이에 같은 단어 집합을 반복하면 해당 단어가 포함된 특정 사용자 쿼리에 대해 올바른 대답이 선택될 확률이 감소합니다.
예를 들어, 다음과 같은 질문을 사용하여 두 개의 별도 QnA가 있을 수 있습니다.
| QnA |
|---|
| 주차 위치는 어디인가요 |
| ATM 위치는 어디인가요 |
이러한 두 QnA가 매우 유사한 단어로 구성되었으므로 이 유사성은 "<x> 위치는 어디인가요"와 같이 구성된 사용자 쿼리에 대해 유사한 점수가 발생할 수 있습니다. 대신, KB의 많은 질문에 포함된 "위치"와 같은 단어를 방지하여 "주차장은 어디인가요" 및 "ATM은 어디인가요"와 같은 쿼리로 명확하게 구분하려고 합니다.
공동 작업
QnA Maker를 통해 사용자들이 기술 자료를 공동으로 작업할 수 있습니다. 사용자는 기술 자료에 액세스하기 위해 Azure AI QnA Maker 리소스 그룹에 대한 액세스 권한이 필요합니다. 기술 자료 편집 및 유지 관리를 아웃소싱하려는 조직도 있을 것이며, 이 경우에도 여전히 Azure 리소스에 대한 액세스를 보호할 수 있습니다. 이 편집자-승인자 모델은 서로 다른 구독에 최대 2개의 동일한 QnA Maker 서비스를 설정하고 하나를 편집-테스트 주기용으로 지정하여 수행할 수 있습니다. 테스트가 완료되면 가져오기-내보내기 프로세스를 사용하여 최종적으로 기술 자료를 게시하고 엔드포인트를 업데이트하는 승인자의 QnA Maker 서비스로 기술 자료 콘텐츠를 전송할 수 있습니다.
활성 학습
활성 학습은 품질의 범위가 넓은 사용자 기반 쿼리의 수가 많을 때 가장 적절한 대체 질문을 제안합니다. 그러므로 클라이언트 애플리케이션의 사용자 쿼리가 검열되지 않고 활성 학습 피드백 루프에 참여할 수 있도록 해야 합니다. QnA Maker 포털에서 질문이 제안되면 제안별로 필터링한 다음, 해당 제안을 검토하고 수락 또는 거부할 수 있습니다.