Actief leren

Artikel
10/16/2024

Met de functie Actieve leersuggesties kunt u de kwaliteit van uw knowledge base verbeteren door alternatieve vragen voor te stellen, op basis van gebruikersinzendingen, aan uw vraag- en antwoordpaar. U bekijkt deze suggesties door ze toe te voegen aan bestaande vragen of te weigeren.

Uw Knowledge Base wordt niet automatisch gewijzigd. Als u een wijziging van kracht wilt laten worden, moet u de suggesties accepteren. Met deze suggesties kunt u vragen toevoegen, maar bestaande vragen niet wijzigen of verwijderen.

Notitie

De QnA Maker-service wordt op 31 maart 2025 buiten gebruik gesteld. Een nieuwere versie van de vraag- en antwoordmogelijkheid is nu beschikbaar als onderdeel van Azure AI Language. Zie vraagantwoording voor vragen in de Language Service voor het beantwoorden van vragen. Vanaf 1 oktober 2022 kunt u geen nieuwe QnA Maker-resources maken. Raadpleeg de migratiehandleiding voor informatie over het migreren van bestaande QnA Maker-knowledge bases om vragen te beantwoorden.

Wat is actief leren?

QnA Maker leert nieuwe vraagvariaties met impliciete en expliciete feedback.

Impliciete feedback : de rangschikker begrijpt wanneer een gebruikersvraag meerdere antwoorden heeft met scores die zeer dichtbij zijn en deze als feedback beschouwt. U hoeft hier niets voor te doen.
Expliciete feedback : wanneer meerdere antwoorden met weinig variatie in scores worden geretourneerd uit de Knowledge Base, stelt de clienttoepassing de gebruiker op welke vraag de juiste vraag is. De expliciete feedback van de gebruiker wordt verzonden naar QnA Maker met de Train-API.

Beide methoden bieden de ranker met vergelijkbare query's die zijn geclusterd.

Hoe actief leren werkt

Actief leren wordt geactiveerd op basis van de scores van de belangrijkste antwoorden die door QnA Maker worden geretourneerd. Als de scoreverschillen tussen QnA-paren die overeenkomen met de query binnen een klein bereik liggen, wordt de query beschouwd als een mogelijke suggestie (als alternatieve vraag) voor elk van de mogelijke QnA-paren. Zodra u de voorgestelde vraag voor een specifiek QnA-paar accepteert, wordt deze geweigerd voor de andere paren. U moet onthouden om op te slaan en te trainen, nadat u suggesties hebt geaccepteerd.

Actief leren biedt de best mogelijke suggesties in gevallen waarin de eindpunten een redelijke hoeveelheid en verschillende gebruiksquery's krijgen. Wanneer vijf of meer vergelijkbare query's zijn geclusterd, stelt QnA Maker elke 30 minuten de vragen op basis van de gebruiker voor aan de knowledge baseontwerper om deze te accepteren of af te wijzen. Alle suggesties worden gegroepeerd op overeenkomsten en topsuggesties voor alternatieve vragen worden weergegeven op basis van de frequentie van de specifieke query's door eindgebruikers.

Zodra vragen worden voorgesteld in de QnA Maker-portal, moet u deze suggesties bekijken en accepteren of negeren. Er is geen API voor het beheren van suggesties.

Hoe impliciete feedback van QnA Maker werkt

De impliciete feedback van QnA Maker maakt gebruik van een algoritme om de nabijheid van scores te bepalen en vervolgens actieve leersuggesties te maken. Het algoritme om de nabijheid te bepalen is geen eenvoudige berekening. De bereiken in het volgende voorbeeld zijn niet bedoeld om vast te stellen, maar moeten worden gebruikt als richtlijn om alleen het effect van het algoritme te begrijpen.

Wanneer de score van een vraag zeer zeker is, zoals 80%, is het bereik van scores die in aanmerking komen voor actief leren breed, ongeveer binnen 10%. Naarmate de betrouwbaarheidsscore afneemt, zoals 40%, neemt het bereik van scores ook af, ongeveer binnen 4%.

In het volgende JSON-antwoord van een query naar de generateAnswer van QnA Maker zijn de scores voor A, B en C bijna en worden ze beschouwd als suggesties.

{
  "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"
        }
      ]
    }
  ]
}

QnA Maker weet niet welk antwoord het beste antwoord is. Gebruik de lijst met suggesties van de QnA Maker-portal om het beste antwoord te selecteren en opnieuw te trainen.

Hoe u expliciet feedback geeft met de Train-API

QnA Maker heeft expliciete feedback nodig over welke van de antwoorden het beste antwoord was. Hoe het beste antwoord wordt bepaald, is aan u en kan het volgende omvatten:

Feedback van gebruikers, waarbij u een van de antwoorden selecteert.
Bedrijfslogica, zoals het bepalen van een acceptabel scorebereik.
Een combinatie van zowel gebruikersfeedback als bedrijfslogica.

Gebruik de Train-API om het juiste antwoord naar QnA Maker te verzenden nadat de gebruiker deze heeft geselecteerd.

Runtime-versie upgraden om actief leren te gebruiken

Active Learning wordt ondersteund in runtimeversie 4.4.0 en hoger. Als uw Knowledge Base is gemaakt op een eerdere versie, voert u een upgrade uit van de runtime om deze functie te gebruiken.

Actief leren inschakelen voor alternatieve vragen

Actief leren is standaard uitgeschakeld. Schakel deze functie in om voorgestelde vragen weer te geven. Nadat u actief leren hebt ingeschakeld, moet u informatie van de client-app verzenden naar QnA Maker. Zie De architectuurstroom voor het gebruik van GenerateAnswer en Train API's van een bot voor meer informatie.

Selecteer Publiceren om de Knowledge Base te publiceren. Actieve leerquery's worden alleen verzameld vanuit het voorspellingseindpunt voor de GenerateAnswer-API. De query's naar het deelvenster Testen in de QnA Maker-portal hebben geen invloed op actief leren.
Als u actief leren wilt inschakelen in de QnA Maker-portal, gaat u naar de rechterbovenhoek, selecteert u uw naam en gaat u naar Service-instellingen.
Zoek de QnA Maker-service en schakel vervolgens Active Learning in.

Notitie

De exacte versie van de voorgaande afbeelding wordt alleen weergegeven als voorbeeld. Uw versie kan afwijken.

Zodra Active Learning is ingeschakeld, worden in de knowledge base regelmatig nieuwe vragen voorgesteld op basis van door de gebruiker ingediende vragen. U kunt Active Learning uitschakelen door de instelling opnieuw in te schakelen.