Aprendizagem ativa

Artigo
07/27/2024

A funcionalidade de sugestões de aprendizagem ativa permite-lhe melhorar a qualidade da sua base de conhecimentos, sugerindo perguntas alternativas, com base nos envios dos utilizadores, ao seu par de perguntas e respostas. Você revisa essas sugestões, adicionando-as às perguntas existentes ou rejeitando-as.

Sua base de dados de conhecimento não muda automaticamente. Para que qualquer alteração entre em vigor, deve aceitar as sugestões. Essas sugestões adicionam perguntas, mas não alteram ou removem perguntas existentes.

Nota

O serviço QnA Maker será desativado no dia 31 de março de 2025. Uma versão mais recente do recurso de perguntas e respostas agora está disponível como parte da Linguagem de IA do Azure. Para obter os recursos de resposta a perguntas no Serviço Linguístico, consulte Resposta a perguntas. A partir de 1º de outubro de 2022, você não poderá criar novos recursos do QnA Maker. Para obter informações sobre como migrar bases de conhecimento existentes do QnA Maker para responder a perguntas, consulte o guia de migração.

O que é a aprendizagem ativa?

O QnA Maker aprende novas variações de perguntas com feedback implícito e explícito.

Feedback implícito – O ranker entende quando uma pergunta do usuário tem várias respostas com pontuações muito próximas e considera isso como feedback. Você não precisa fazer nada para que isso aconteça.
Feedback explícito – Quando várias respostas com pouca variação nas pontuações são retornadas da base de conhecimento, o aplicativo cliente pergunta ao usuário qual pergunta é a correta. O feedback explícito do usuário é enviado ao QnA Maker com a API Train.

Ambos os métodos fornecem ao classificador consultas semelhantes que são agrupadas.

Como funciona a aprendizagem ativa

A aprendizagem ativa é desencadeada com base nas pontuações das poucas respostas retornadas pelo QnA Maker. Se as diferenças de pontuação entre os pares QnA que correspondem à consulta estiverem dentro de um pequeno intervalo, então a consulta é considerada uma sugestão possível (como uma pergunta alternativa) para cada um dos pares QnA possíveis. Depois de aceitar a pergunta sugerida para um par QnA específico, ela é rejeitada para os outros pares. Você precisa se lembrar de economizar e treinar, depois de aceitar sugestões.

A aprendizagem ativa oferece as melhores sugestões possíveis nos casos em que os pontos de extremidade estão recebendo uma quantidade razoável e variedade de consultas de uso. Quando cinco ou mais consultas semelhantes são agrupadas, a cada 30 minutos, o QnA Maker sugere as perguntas baseadas no usuário ao designer da base de dados de conhecimento para aceitar ou rejeitar. Todas as sugestões são agrupadas por semelhança e as principais sugestões para perguntas alternativas são exibidas com base na frequência das consultas específicas dos usuários finais.

Uma vez que as perguntas são sugeridas no portal do QnA Maker, você precisa revisar e aceitar ou rejeitar essas sugestões. Não há uma API para gerenciar sugestões.

Como funciona o feedback implícito do QnA Maker

O feedback implícito do QnA Maker usa um algoritmo para determinar a proximidade da pontuação e, em seguida, faz sugestões de aprendizagem ativa. O algoritmo para determinar a proximidade não é um cálculo simples. Os intervalos no exemplo a seguir não devem ser fixos, mas devem ser usados como um guia para entender o efeito do algoritmo apenas.

Quando a pontuação de uma pergunta é altamente confiante, como 80%, a gama de pontuações que são consideradas para a aprendizagem ativa é ampla, aproximadamente dentro de 10%. À medida que o escore de confiança diminui, como 40%, o intervalo de pontuações também diminui, aproximadamente dentro de 4%.

Na seguinte resposta JSON de uma consulta ao generateAnswer do QnA Maker, as pontuações para A, B e C estão próximas e seriam consideradas sugestões.

{
  "activeLearningEnabled": true,
  "answers": [
    {
      "questions": [
        "Q1"
      ],
      "answer": "A1",
      "score": 80,
      "id": 15,
      "source": "Editorial",
      "metadata": [
        {
          "name": "topic",
          "value": "value"
        }
      ]
    },
    {
      "questions": [
        "Q2"
      ],
      "answer": "A2",
      "score": 78,
      "id": 16,
      "source": "Editorial",
      "metadata": [
        {
          "name": "topic",
          "value": "value"
        }
      ]
    },
    {
      "questions": [
        "Q3"
      ],
      "answer": "A3",
      "score": 75,
      "id": 17,
      "source": "Editorial",
      "metadata": [
        {
          "name": "topic",
          "value": "value"
        }
      ]
    },
    {
      "questions": [
        "Q4"
      ],
      "answer": "A4",
      "score": 50,
      "id": 18,
      "source": "Editorial",
      "metadata": [
        {
          "name": "topic",
          "value": "value"
        }
      ]
    }
  ]
}

O QnA Maker não saberá qual é a melhor resposta. Use a lista de sugestões do portal QnA Maker para selecionar a melhor resposta e treinar novamente.

Como você dá feedback explícito com a API Train

O QnA Maker precisa de feedback explícito sobre qual das respostas foi a melhor resposta. Como a melhor resposta é determinada, depende de você e pode incluir:

Feedback do usuário, selecionando uma das respostas.
Lógica de negócios, como determinar um intervalo de pontuação aceitável.
Uma combinação de feedback do usuário e lógica de negócios.

Use a API Train para enviar a resposta correta para o QnA Maker, depois que o usuário selecioná-la.

Atualizar a versão do tempo de execução para usar a aprendizagem ativa

O Ative Learning é suportado na versão 4.4.0 e superior do tempo de execução. Se sua base de dados de conhecimento foi criada em uma versão anterior, atualize seu tempo de execução para usar esse recurso.

Ativar a aprendizagem ativa para perguntas alternativas

A aprendizagem ativa está desativada por padrão. Ative-o para ver as perguntas sugeridas. Depois de ativar a aprendizagem ativa, você precisa enviar informações do aplicativo cliente para o QnA Maker. Para obter mais informações, consulte Fluxo de arquitetura para usar APIs GenerateAnswer e Train de um bot.

Selecione Publicar para publicar a base de dados de conhecimento. As consultas de aprendizagem ativa são coletadas somente do ponto de extremidade de previsão da API GenerateAnswer. As consultas ao painel Teste no portal do QnA Maker não afetam a aprendizagem ativa.
Para ativar a aprendizagem ativa no portal do QnA Maker, vá para o canto superior direito, selecione seu Nome, vá para Configurações de Serviço.
Encontre o serviço QnA Maker e alterne o Ative Learning.

Nota

A versão exata na imagem anterior é mostrada apenas como exemplo. A sua versão pode ser diferente.

Quando o Ative Learning estiver ativado, a base de conhecimento sugere novas perguntas em intervalos regulares com base nas perguntas enviadas pelo usuário. Você pode desativar o Ative Learning alternando a configuração novamente.