CQD(통화 품질 대시보드)의 지능형 미디어 품질 분류자
Microsoft Teams 및 비즈니스용 Skype 대한 CQD(통화 품질 대시보드)를 사용하면 Microsoft Teams 및 비즈니스용 Skype 서비스를 사용하여 수행한 통화 품질에 대한 인사이트를 얻을 수 있습니다. 이 항목에서는 지능형 미디어 품질 분류자에 대한 자세한 정보를 제공합니다. CQD 및 설정 방법에 대한 자세한 내용은 통화 품질 대시보드 설정을 참조하세요.
CQD에서 양호 및 불량 스트림 분류는 일련의 조건문에 의해 수행됩니다. 오디오의 경우 네트워크 메트릭을 사용하여 기본 네트워크의 성능이 오디오 품질 저하를 초래했는지 여부를 확인하고 비디오 및 VBSS(비디오 기반 화면 공유)는 비디오 메트릭을 사용하여 유사한 품질 평가를 수행합니다. 인텔리전트 미디어 품질 분류자는 통화 원격 분석을 더 광범위하고 심층적으로 파악하여 여러 요인(네트워크 포함)을 계량하여 통화의 인식된 사용자 환경을 확인하고 품질 저하가 의심되는 경우 가능한 근본 원인을 식별합니다. 이러한 차이로 인해 스트림 분류 논리로 인한 Good 및 Poor 값이 인텔리전트 미디어 품질 분류자 결과와 반드시 일치하지는 않을 것으로 예상됩니다.
CQD의 지능형 미디어 품질 분류자 개요
CQD의 지능형 미디어 품질 분류자는 스트림 품질에서 특정 문제 영역을 파악하는 데 도움이 되는 ML(Machine Learning) 알고리즘을 사용합니다. CQD의 Stream 분류에 비해 CQD의 지능형 미디어 품질 분류는 IT 관리자에게 인과 관계, 미디어 저하 및 근본 원인에 대한 고급 분석을 제공합니다. 이러한 분류자를 사용하면 통화 품질 문제를 해결하고 방지하기 위한 사전 조치를 취할 수 있습니다.
가장 포괄적인 인사이트를 제공하기 위해 지능형 미디어 품질 분류자는 오디오, 비디오 및 VBSS라는 세 가지 기본 실시간 미디어 형식을 개별적으로 처리합니다. 이러한 분류자는 스트림 수준(예: 오디오, 비디오 및 VBSS)에서 통화 품질에 초점을 맞춘 다음 네트워크, 컴퓨팅 디바이스 및 입력 디바이스와 같은 영역에서 심층 분석을 통해 특정 문제 영역을 정확히 파악할 수 있습니다.
인과 관계와 근본 원인에 대한 보기를 제공하는 분류에는 상위 수준 및 하위 수준이라는 두 가지 수준의 분류가 있습니다. 상위 수준 분류자는 오디오, 비디오 또는 VBSS가 제대로 작동하지 않는지 예측하는 반면, 하위 수준 분류자는 네트워크, 컴퓨팅 디바이스 또는 입력 디바이스에 문제가 있는지 예측합니다.
지원되는 플랫폼 및 미디어 유형
지능형 미디어 품질 분류자의 가용성은 다양한 플랫폼에서 원격 분석 가용성의 차이로 인해 특정 플랫폼 및 미디어 유형에 따라 달라집니다. 분류자의 적용 범위를 지속적으로 개선하고 있습니다. 다음 플랫폼 및 미디어 유형은 지능형 미디어 품질 분류자에서 다룹니다.
- 미디어 형식 및 네트워크 분류자는 모든 플랫폼 및 미디어 형식(오디오, 비디오, VBSS)에 적용됩니다.
- 컴퓨팅 디바이스 분류자는 네이티브 플랫폼(Teams 웹, 최적화된 VDI 및 CVI 제외) 및 모든 미디어 형식에 적용됩니다.
- 입력 디바이스 분류자는 네이티브 플랫폼(WebRTC 기반 플랫폼 제외) 및 오디오에만 적용됩니다.
지능형 미디어 품질 분류자를 사용하는 경우
분류자를 적용할 시기를 결정하는 지능형 미디어 품질 분류자의 특정 애플리케이션 규칙이 있으며, 가장 기본적인 규칙은 다음과 같습니다.
- 인바운드 분류자는 사용자가 60초 이상의 미디어를 수신하는 경우에만 적용됩니다. CQD에서 이 데이터는 오디오 및 비디오의 Stream 기간 값과 비디오 및 VBSS의 기간 초로 기록됩니다.
- 아웃바운드 분류자는 사용자가 해당 미디어를 60초 이상 보낸 경우에만 적용됩니다.
이 데이터는 다음과 같이 기록됩니다 .
- 오디오: AvgFirstReceivedAudioSeconds >= 60
- 비디오 및 VBSS의 경우: SecondVideoDurationSeconds >= 60
P2P(피어 투 피어) 및 전화 회의 통화의 인바운드 및 아웃바운드 스트림
CQD 보고서에서 스트림은 인바운드 또는 아웃바운드로 정의됩니다. 인바운드 스트림은 사용자가 수신하는 미디어인 반면 아웃바운드 스트림은 사용자가 보낸 미디어입니다. 인바운드 및 아웃바운드 스트림을 통해 CQD 보고서를 필터링하여 사용자가 수신하거나 보낸 미디어의 품질을 분석할 수 있습니다.
스트림은 첫 번째 및 두 번째 엔드포인트로 표시됩니다. 첫 번째 및 두 번째 엔드포인트 분류에 대한 자세한 내용은 CQD(통화 품질 대시보드)에서 사용할 수 있는 차원 및 측정값을 참조하세요.
다음 표에서는 P2P(피어 투 피어) 및 전화 회의 통화의 스트림에 대한 요약을 제공합니다.
| 호출 유형 | 직접 연결 | 첫 번째/두 번째 엔드포인트 분류 |
|---|---|---|
| P2P | 사용자는 인바운드 및 아웃바운드 스트림을 통해 서로 연결됩니다. | 첫 번째 및 두 번째 둘 다 클라이언트 엔드포인트를 나타냅니다. |
| 회의 | 사용자는 인바운드 또는 아웃바운드 스트림 방향에 관계없이 서버에 연결됩니다. | 사용자는 Second로 레이블이 지정되고 서버는 First로 레이블이 지정됩니다. |
더 일반적인 전화 회의 통화의 경우 특정 사용자의 참여 수준, 특히 화면을 적극적으로 공유하고 오디오 및 비디오에 참여하는 사용자의 참여 수준은 모든 참가자의 전반적인 통화 환경을 크게 형성할 수 있습니다. 이러한 다른 사용자 또는 매우 적극적이고 지배적인 참가자가 다른 사용자에게 미치는 영향을 감지하는 것은 전화 회의의 효과적인 스트림 품질 평가에 필수적입니다.
로컬 및 원격 분류자
회의 또는 P2P 호출에 관계없이 지능형 미디어 품질 분류자는 로컬 및 원격의 두 가지 기본 범주로 분할됩니다.
- 로컬 분류자는 엔드포인트 사용자의 통화 환경을 평가하도록 조정되어 인바운드 스트림 또는 로컬 디바이스 기능 및 제한 사항에서 비롯되는 문제를 해결합니다.
- 원격 분류자는 호출의 다른 엔드포인트에서 발생하는 문제를 포함하며 전체 통화 품질에 대한 포괄적인 관점을 제공합니다.
P2P 및 회의 구성 모두에서 첫 번째에서 초 라는 스트림 방향으로 로컬 분류자를 관찰하는 것은 인바운드 스트림의 영향 또는 로컬 디바이스의 용량 및 사용자(두 번째라고도 함) 자체 통화 환경에 대한 제한 사항을 분석했음을 나타냅니다.
2차 스트림 방향에서 원격 분류자의 역할은 Second라고 하는 참가자가 동일한 조건에서 다른 사용자의 통화 품질에 부정적인 영향을 미치는지 여부를 평가하는 것입니다. 또한 전화 회의의 컨텍스트에서 1-2 스트림에서 원격 분류자를 관찰하는 것은 지배적으로 분류된 매우 활동적인 사용자가 두 번째라고 하는 사용자가 경험하는 통화 품질에 해로운 영향을 미치는지 나타냅니다.
지능형 미디어 품질 분류자 정의
CQD에서 지능형 미디어 품질 분류자는 사용 가능한 키 품질 메트릭의 값에 따라 로컬 및 원격 분류자를 사용합니다. 미디어 품질을 분류하는 데 사용되는 메트릭 및 조건은 로컬 분류자 및 원격 분류자의 테이블에 표시됩니다.
지능형 미디어 품질 분류자를 통해 식별된 검색된 문제 영역은 관리자가 잠재적인 근본 원인을 파악하기 위해 추가로 분석할 수 있는 품질 문제를 나타냅니다. 이 심층 분석은 CQD를 사용하여 향후 발생을 방지하기 위한 사전 조치를 취하는 데 유용한 인사이트를 제공할 수 있습니다.
로컬 분류자
다음 로컬 분류자는 동일한 사용자가 문제를 경험했는지 예측하기 위해 사용자의 원격 분석을 기반으로 합니다.
| 분류자 | 설명 |
|---|---|
| 검색된 미디어 형식 | 수신된 미디어 유형의 품질에 수신의 원격 분석에 따라 문제가 있는지 예측합니다. |
| 검색된 인바운드 네트워크 | 들어오는 스트림에서 네트워크에 문제가 있는지 예측합니다. 전화 회의의 경우 이 분류자는 서버에서 엔드포인트로의 연결을 확인합니다. P2P 호출의 경우 이 분류자는 원격 사용자 업링크 및 로컬 다운링크 문제를 다룹니다. |
| 검색된 로컬 컴퓨팅 | 사용자의 컴퓨팅 디바이스(예: 데스크톱 컴퓨터 또는 Teams 클라이언트를 실행하는 휴대폰)가 사용자가 수신한 미디어 품질 저하를 일으키는지 예측합니다. |
| 검색된 로컬 입력 디바이스 | 사용자의 미디어 캡처 디바이스(예: 컴퓨터의 기본으로 빌드된 사운드카드 또는 마이크)가 사용자에게 문제를 일으키는지 예측합니다. |
검색된 문제에 대한 로컬 분류자 측정값
다음 목록에는 문제 차원을 사용하는 로컬 분류자의 측정값이 표시됩니다. 각 로컬 분류자는 아래 목록에서 /.../로 표시됩니다.
- /.../ 문제 참 수
- /.../ 문제 거짓 수
- /.../ 문제 Null 개수
- /.../ 문제 비율
- /.../ 문제 속도 상한
- /.../ 문제 속도 낮은 제한
예를 들어 로컬 분류자 검색된 미디어 형식 은 문제 진수, 문제 거짓 개수, 문제 Null 개수, 문제 속도, 문제 속도 상한 및 문제 속도 하한에 대한 측정과 함께 문제 차원을 사용합니다.
검색된 인바운드 네트워크, 검색된 로컬 컴퓨팅 및 검색된 로컬 입력 디바이스에도 다음과 같은 추가 측정값이 있습니다.
- /.../ 발생한 문제 비율
- /.../ 문제 발생률 상한
- /.../ 원인 문제 속도 낮은 제한
원격 분류자
다음 원격 분류자는 사용자가 다른 호출 참가자에게 품질 문제를 일으키는지 예측하기 위해 사용자의 원격 분석을 기반으로 합니다.
| 분류자 | 설명 |
|---|---|
| 검색된 업링크 | 엔드포인트에서 서버로의 링크로 인해 전송된 미디어의 품질이 저하되는지 예측합니다. |
| 검색된 컴퓨팅 디바이스 원인 | 사용자의 컴퓨팅 디바이스로 인해 전송된 미디어의 품질이 저하되는지 예측합니다. |
| 검색된 입력 디바이스 원인 | 사용자의 미디어 캡처 디바이스로 인해 전송된 미디어의 품질이 저하되는지 예측합니다. |
검색된 문제에 대한 원격 분류자 측정값
다음 목록에서는 문제 차원을 사용하는 모든 원격 분류자의 측정값을 표시합니다. 각 원격 분류자는 아래 목록에서 /.../로 표시됩니다.
- /.../ 문제 참 수
- /.../ 문제 거짓 수
- /.../ 문제 Null 개수
- /.../ 문제 비율
- /.../ 문제 속도 상한
- /.../ 문제 속도 낮은 제한
예를 들어 검색된 입력 디바이스 원인 의 원격 분류자는 문제 차원을 문제 True Count, Problem False Count, Problem Null Count, Problem Rate, Problem Rate Upper Limit 및 Problem Rate Lower Limit에 대한 측정값과 함께 사용합니다.
기타 사용자 분류자
원격 분류자의 유형인 다른 사용자 분류자는 주요 참가자가 나머지 회의 통화 참가자의 경험을 저하시키는 문제를 기반으로 합니다.
| 분류자 | 설명 |
|---|---|
| 검색된 다른 사용자 업링크 | 다른(지배적) 참가자의 업링크 문제로 인해 사용자가 받은 미디어 품질이 저하되는지 예측합니다. |
| 다른 사용자 컴퓨팅이 검색됨 | 다른(지배적) 참가자의 컴퓨팅 디바이스 문제로 인해 사용자가 받은 미디어 품질이 저하되는지 예측합니다. |
| 다른 사용자 디바이스가 검색됨 | 다른(지배적) 참가자의 미디어 캡처 디바이스 문제로 인해 사용자가 받은 미디어 품질이 저하되는지 예측합니다. |
검색된 문제에 대한 기타 사용자 분류자 측정
다른 사용자 분류자는 /.../ 문제 차원을 사용합니다.
예를 들어 다른 사용자 분류자 검색된 다른 사용자 디바이스 에는 CQD에 검색된 다른 사용자 디바이스 문제로 나열된 문제 차원이 있습니다.
측정 예제
- 검색된 인바운드 네트워크 문제 차원에는 문제 참 개수, 문제 거짓 개수, 문제 Null 개수, 문제 속도, 문제 속도 상한, 문제 속도 하한, 문제 발생 문제 비율 상한, 문제 비율 상한 발생 및 문제 발생 제한에 대한 측정값이 있습니다.
- 문제를 일으키는 검색된 입력 디바이스 차원에는 문제 참 수, 문제 거짓 수, 문제 Null 개수, 문제 속도, 문제 속도 상한 및 문제 속도 하한에 대한 측정값이 포함됩니다.
이름, 데이터 형식, 정의 및 빈 값에 대한 가능한 이유를 포함하여 CQD에서 사용 가능한 모든 차원 및 측정 값 목록은 통화 품질 대시보드에서 사용할 수 있는 차원 및 측정값을 참조하세요.
지능형 미디어 품질 분류자 해석
지능형 미디어 품질 분류자는 사용자 원격 분석 및 통화 품질 피드백 등급에서 학습하여 호출의 엔드포인트에 확률을 할당합니다. 이러한 확률은 해당 엔드포인트에 대한 호출 환경이 불량으로 간주되는지 여부를 나타내는 부울 값(true/false)으로 변환됩니다.
잘못된 예측을 완화하는 데 도움이 되는 스트림 품질 문제 속도를 결정하기 위해 백분위수 기반 임계값을 사용합니다. 백분위수 기반 임계값을 사용하면 특정 플랫폼, 지역 및 미디어 유형 내에서 엔드포인트의 성능이 가장 낮은 2%가 통화 환경이 좋지 않은 것으로 식별됩니다. 이 임계값은 IT 관리자가 통화 품질에 영향을 줄 수 있는 보고된 문제에 대한 조치를 취하는 데 도움이 됩니다.
미디어 수준 분류자는 로컬 분류자로 제공됩니다. 인바운드 스트림 또는 로컬 디바이스의 경우 먼저 수신된 오디오, 비디오 또는 VBSS와 관련된 문제를 예측하는 검색된 미디어 형식 분류자를 철저히 평가합니다. 이러한 분류자는 검색된 인바운드 네트워크, 검색된 로컬 컴퓨팅 및 검색된 로컬입력 디바이스와 같은 모든 로컬 영역 분류자에서 입력 기능을 통합하며, 어떤 영역과도 독점적으로 연결되지 않은 추가 중요한 기능을 제공합니다.
미디어 수준 분류자에서 문제를 예측하지만 영역 수준 문제가 검색되지 않는 시나리오에서는 몇 가지 사소한 문제가 존재하거나 겹치지 않는 입력 기능의 상당한 영향이 추가 조사를 제안합니다. 일반적으로 하나 이상의 경고 필드가 잠재적인 문제를 강조 표시합니다.
영역 수준 문제 예측이 있지만 미디어 수준에는 없는 경우 분류자는 미디어 품질에 문제가 있음을 시사하지만 사용자 피드백 등급이 저하될 만큼 중요하지 않았을 수 있습니다.
품질 문제의 출처 찾기
CQD에서 지능형 미디어 품질 분류자는 품질 문제를 해결하는 데 도움이 되는 집계 뷰를 만듭니다. 이러한 뷰는 각 분류자의 특정 특성에 맞게 조정된 고유한 차원 집합을 통해 분석할 수 있습니다. 이 분석을 통해 관리자는 기본 문제를 보다 정확하게 이해할 수 있습니다.
예를 들어 네트워크 분류자는 위치 및 네트워크와 같은 차원에 초점을 맞춘 문제 해결 작업의 이점을 얻을 수 있지만 컴퓨팅 및 입력 디바이스 분류자는 디바이스 사양 및 기능과 관련된 차원에 주의해야 할 수 있습니다.
네트워크 분류자 차원
네트워크 분류자는 위치 관련, 네트워크 관련 및 디바이스 관련 세 가지 유형의 차원을 포함합니다.
- 위치 관련 차원:
- 두 번째 도메인
- 두 번째 ASN 국가
- 두 번째 ASN City
- 두 번째 ASN ISP 이름
- 두 번째 국가
- 제2도시
- 두 번째 건물 이름
- 네트워크 관련 차원:
- 두 번째 네트워크
- 두 번째 네트워크 이름
- 두 번째 와이파이 밴드
- 두 번째 Wifi 채널
- 두 번째 Wifi 라디오 유형
- 두 번째 Wifi 신호 강도
- 두 번째 네트워크 연결 세부 정보
- 두 번째 서브넷
- 두 번째 BSSID
- 디바이스 관련 차원:
- 두 번째 Wifi Microsoft 드라이버
- 두 번째 Wifi 공급업체 드라이버
- 두 번째 컴퓨팅 디바이스 이름
컴퓨팅 디바이스 분류자 차원
- 디바이스 관련 차원:
- 두 번째 컴퓨팅
- 디바이스 이름
- CPU 관련 차원:
- 두 번째 CPU 이름
- 두 번째 CPU 코어 수
- 두 번째 CPU 프로세서 속도
입력 디바이스 분류자 차원
- 두 번째 캡처
- 개발자 이름
- 두 번째 캡처 디바이스 폼 팩터
- 두 번째 오디오 디바이스 연결 유형
- 두 번째 마이크 연결 유형
- 두 번째 컴퓨팅 디바이스 이름(빌드된 오디오가 사용되는 경우)
- 두 번째 캡처 개발 드라이버
품질 문제 해결
품질 문제의 출처를 찾은 후 지능형 미디어 품질 분류자가 식별한 검색된 문제 영역을 추가로 분석하여 잠재적 근본 원인을 파악하고 관리자가 향후 문제를 방지하기 위한 사전 조치를 취할 수 있도록 도울 수 있습니다.
네트워크 분류자
네트워크 분류자는 Microsoft Teams에 구현된 오류 처리의 오디오 원격 분석을 기반으로 품질 문제를 예측합니다. 이 오디오 원격 분석은 원시 네트워크 성능 저하 배포의 적용 범위를 효과적으로 확장합니다. 그러나 분류자에서 문제를 감지하는 경우 여러 원격 분석이 결과에 전체적으로 영향을 미치는 경우를 제외하고 원시 네트워크 메트릭에도 눈에 띄는 문제가 있을 수 있습니다. 이러한 경우 여러 차원의 결합된 효과로 인해 근본 원인을 식별하는 복잡성이 증가할 수 있습니다. 가장 낮은 수준 CQD 차원은 아래에 나열된 것처럼 문제의 지표 역할을 합니다.
오디오와 관련된 차원
- 네트워크 손실 관련 조치:
- 총 호출 삭제 실패율
- 평균 로밍 수
- 원시 네트워크 성능 관련 측정값:
- 평균 패킷 손실률
- 평균 패킷 손실률 최대
- 평균 왕복
- 평균 왕복 최대
- 평균 네트워크 지터
- 평균 네트워크 지터 최대
- 평균 복구된 데이터 비율 값
- 평균 지터 버퍼 크기
- 평균 네트워크 지터 최대
- 네트워크 평균 손실률
비디오 & VBSS와 관련된 차원
- Recv 평균 동결 기간
- 평균 Recv 동결 기간 백분율
- 평균 AV 동기화 거리 평균
- 평균 AV 동기화 거리 최소
- 평균 AV 동기화 거리 최대
- 평균 AV 동기화 거리 STDEV
- 평균 비디오 포스트 FECPLR
네트워크 근본 원인 예제
- Wi-Fi 강도가 낮으면 네트워크 분류자는 사무실 위치가 와이파이로 적절히 적용되지 않음을 나타냅니다. 액세스 지점의 번호와 위치를 확인합니다.
- 네트워크 메트릭이 특정 위치에서 주기적으로 악화되는 경우 네트워크 분류자는 호출 볼륨이 높을 때 네트워크 정체가 있음을 나타냅니다. 예를 들어 사이트의 상당 부분이 참가하는 월간 회사 모임이 있는 경우 eCDN을 배포하는 것이 좋습니다.
- AV 동기화 거리 값이 높은 경우 네트워크 분류자는 오디오가 비디오보다 우선 순위가 지정되기 때문에 네트워크 정체 문제가 있음을 나타냅니다. 대역폭이 충분하고 대역폭이 좋은 품질의 비디오 및 VBSS를 허용할 만큼 안정적인지 확인합니다.
컴퓨팅 분류자
컴퓨팅 분류자는 주로 CPU 처리 시간에 따라 품질 문제를 예측하는 동시에 메모리 상태를 고려합니다.
다음 컴퓨팅 리소스 관련 차원은 근본 원인을 찾는 데 유용할 수 있는 평균 메트릭으로도 사용할 수 있습니다.
- 두 번째 프로세스 CPU 사용량 평균
- 두 번째 프로세스 CPU 사용량 최대
- 두 번째 시스템 CPU 사용량 평균
- 두 번째 시스템 CPU 사용량 최대
- 두 번째 프로세스 메모리 사용량 평균
- 두 번째 프로세스 메모리 사용량 최대
- 두 번째 시스템 메모리 사용량 평균
- 두 번째 시스템 메모리 사용량 최대
컴퓨팅 근본 원인 예제
- 시스템 CPU 사용량이 높지만 프로세스 CPU가 낮으면 컴퓨팅 분류자는 컴퓨팅 디바이스가 리소스를 사용하는 다른 작업을 실행하고 있음을 나타냅니다.
- 프로세스 CPU 사용량이 높은 경우 컴퓨팅 분류자는 호출을 위해 해당 플랫폼의 CPU 리소스 부족과 관련된 문제가 있을 수 있음을 나타냅니다. 비디오 처리가 GPU에 오프로드되었는지 확인합니다.
입력 디바이스 분류자
입력 디바이스 분류자는 마이크를 포함하여 오디오 캡처 디바이스와 관련된 품질 문제를 대상으로 합니다.
가능한 오디오 문제를 나타낼 수 있는 다음 CQD 차원은 다음과 같습니다.
- 평균 두 번째 오디오 송신 노이즈 수준
- 평균 두 번째 오디오 송신 신호 수준
- 두 번째 마이크 디바이스 오류
- 두 번째 Mic 디바이스 열거 실패 없음
- 두 번째 마이크 초기화 실패
- 두 번째 마이크 디바이스 실패율
- 두 번째 디바이스 캡처가 작동하지 않는 이벤트 비율
- 사용 중인 오디오 캡처 디바이스
- 사용 중인 오디오 렌더링 디바이스
신호 수준에 권장되는 범위는 (-24, -14), 노이즈에 최적은 -60입니다 <.
입력 디바이스 근본 원인 예제
- 오디오 노이즈 수준이 높은 경우 디바이스 분류자는 마이크가 사용자와 너무 멀어 최적의 환경을 경험할 수 있음을 나타냅니다. 회의실에서 사용되는 스피커폰이 회의실 크기에 적합한지와 같이 디바이스가 사용 사례와 일치하는지 확인합니다.
- 오디오 신호 수준이 매우 높은 경우 디바이스 분류자는 사용자가 마이크에 너무 가깝고 마이크 오버로드가 없더라도 사용자가 다른 통화 참가자보다 눈에 띄게 크게 커집니다. 디바이스에 최신 드라이버가 있는지 확인합니다.
분류 모델 유지 관리
분류자 모델은 Microsoft Teams 사용자의 일반 모집단에서 모니터링됩니다. 변칙이 검색되면 조사되고 모델이 다시 학습될 가능성이 높습니다. 이로 인해 각 문제 검색 속도의 임시 변동이 발생할 수 있습니다. 이러한 변동으로 인해 검색 속도가 크게 변경되는 경우 M365 메시지 센터를 통해 Teams 관리자에게 알리는 메시지를 게시합니다.