Melhores práticas de uma base de dados de conhecimento do QnA Maker
O ciclo de vida de desenvolvimento da base de dados de conhecimento informa como gerenciar a base de dados de conhecimento de ponta a ponta. Use essas práticas recomendadas para aprimorar sua base de dados de conhecimento e fornecer resultados mais adequados aos usuários finais do aplicativo cliente ou chatbot.
Observação
O serviço de QnA Maker está sendo desativado no dia 31 de março de 2025. Uma versão mais recente da funcionalidade de perguntas e respostas agora está disponível como parte da Linguagem de IA do Azure. Para saber mais sobre o recurso de respostas às perguntas no Serviço de Linguagem, confira respostas às perguntas. A partir de 1º de outubro de 2022, você não poderá criar novos recursos de QnA Maker. Para obter informações sobre como migrar bases de dados de conhecimento do QnA Maker existentes para responder à pergunta, consulte o Guia de migração.
Extração
O serviço QnA Maker está melhorando continuamente os algoritmos que extraem perguntas e respostas do conteúdo e está expandindo a lista de formatos de arquivo e de HTML com suporte. Siga as diretrizes de extração de dados com base em seu tipo de documento.
Em geral, as páginas de perguntas frequentes devem ser independentes e não combinadas com outras informações. Manuais de produtos devem ter títulos claros e, de preferência, uma página de índice.
Como configurar várias rodadas
Crie sua base de dados de conhecimento usando uma extração de várias rodadas habilitada. Caso sua base de dados de conhecimento seja compatível com uma hierarquia de perguntas, essa hierarquia poderá ser extraída do documento ou criada após a extração dele.
Criando boas perguntas e respostas
Boas perguntas
As melhores perguntas são simples. Considere a palavra-chave ou frase para cada pergunta, em seguida, crie uma pergunta simples para essa palavra-chave ou frase.
Adicione quantas perguntas alternativas você precisa, mas mantenha as alterações simples. Adicionar mais palavras ou frases que não fazem parte da meta principal da pergunta não ajuda o QnA Maker a encontrar uma correspondência.
Adicionar perguntas alternativas e relevantes
O usuário poderá inserir perguntas usando um estilo de conversa de texto: How do I add a toner cartridge to my printer? ou uma pesquisa por palavra-chave, como toner cartridge. A base de dados de conhecimento deverá ter os dois estilos de perguntas para retornar a resposta mais adequada de modo correto. Caso não tenha certeza sobre quais palavras-chave um cliente está inserindo, use dados do Application Insights para analisar as consultas.
Boas respostas
As respostas mais adequadas são simples, porém não em demasia. Não use respostas como yes tampouco no. Caso sua resposta deva ser vinculada a outras fontes ou fornecer uma experiência avançada com mídias e links, use marcações de metadados para distinguir as respostas, depois envie a consulta com marcas de metadados à propriedade strictFilters para obter a versão de resposta adequada.
| Resposta | Solicitações de acompanhamento |
|---|---|
| Desligue o Surface Laptop usando o botão de energia do teclado. | *Use combinações de teclas para suspender, desligar e reiniciar. *Como inicializar um Surface Laptop *Como alterar o BIOS de um Surface Laptop *Diferenças entre suspensão, desligamento e reinicialização |
| O atendimento ao cliente está disponível 24 horas por telefone, Skype e mensagem de texto. | *Informações de contato para vendas. *Localização de escritórios e lojas, bem como horários para agendar uma visita pessoalmente. *Acessórios para um Surface Laptop. |
Bate-papo
Adicione bate-papo ao seu bot para torná-lo mais conversacional e envolvente com pouco esforço. É possível adicionar com facilidade conjuntos de dados de bate-papo de personalidades predefinidas e alterá-los a qualquer momento ao criar sua base de dados de conhecimento. Saiba como adicionar bate-papo à base de dados de conhecimento.
O bate-papo é compatível com vários idiomas.
Escolhendo uma personalidade
O bate-papo é compatível com várias personalidades predefinidas:
| Personalidade | Arquivo de conjunto de dados do QnA Maker |
|---|---|
| Professional | qna_chitchat_professional.tsv |
| Amigável | qna_chitchat_friendly.tsv |
| Inteligente | qna_chitchat_witty.tsv |
| Gentil | qna_chitchat_caring.tsv |
| Alegre | qna_chitchat_enthusiastic.tsv |
As respostas vão de formal e informal a irreverente. Selecione a personalidade mais próxima alinhada com o tom que você deseja para o bot. É possível ver os conjuntos de dados, escolher um que servirá como base para seu bot, depois personalizar as respostas.
Editar perguntas específicas do bot
Há algumas perguntas específicas do bot que fazem parte do conjunto de dados de bate-papo e que foram preenchidas com respostas genéricas. Altere essas respostas para refletir melhor os detalhes de seu bot.
Recomendamos que você torne as seguintes perguntas e respostas do bate-papo mais específicas:
- quem é você?
- o que você pode fazer?
- Quantos anos você tem?
- Quem criou você?
- Olá
Como adicionar um bate-papo personalizado usando marcas de metadados
Caso adicione pares próprios de pergunta e resposta de bate-papo, lembre-se de adicionar metadados para retornar essas respostas. O par nome/valor de metadados é editorial:chitchat.
Como pesquisar as respostas
Uma API do GenerateAnswer usará as duas perguntas e a resposta para pesquisar as respostas mais adequadas para a consulta de um usuário.
Como pesquisar perguntas somente quando a resposta não for relevante
Use o RankerType=QuestionOnly caso não queira pesquisar as respostas.
Um exemplo disso é quando a base de dados de conhecimento é um catálogo de acrônimos como perguntas com a forma completa como resposta. O valor da resposta não ajudará a pesquisar a resposta apropriada.
Classificação/pontuação
Certifique-se de que você está utilizando da melhor forma os recursos de classificação com suporte do QnA Maker. Isso aumentará a probabilidade de que uma determinada consulta de usuário seja respondida com uma resposta apropriada.
Escolhendo um limite
A pontuação de confiança padrão usada como limite é 0. No entanto, é possível alterar o limite da base de dados de conhecimento de acordo com suas necessidades. Como cada base de dados de conhecimento é diferente, você precisa testar e escolher o limite mais adequado à sua.
Como escolher o tipo de Classificador
Por padrão, o QnA Maker pesquisa perguntas e respostas. Caso queira pesquisar somente as perguntas para gerar uma resposta, use o RankerType=QuestionOnly no corpo de POST da solicitação do GenerateAnswer.
Adicionar perguntas alternativas
Perguntas alternativas melhoram a probabilidade de uma correspondência com uma consulta de usuário. Perguntas alternativas são úteis quando há várias maneiras de como a mesma pergunta pode ser feita. Isso pode incluir alterações na estrutura da frase e no estilo das expressões.
| Consulta original | Consultas alternativas | Alteração |
|---|---|---|
| Há estacionamento disponível? | Vocês têm estacionamento? | estrutura da frase |
| Oi | E aí Olá! |
estilo das expressões ou gírias |
Use marcas de metadados para filtrar perguntas e respostas
Os metadados adicionam a capacidade necessária para um aplicativo cliente saber que ele não deve receber todas as respostas. Em vez disso, ele deve restringir os resultados de uma consulta do usuário com base em marcas de metadados. A resposta da base de dados de conhecimento poderá variar com base na marca de metadados, mesmo se a consulta for a mesma. Por exemplo, "onde o estacionamento está localizado" poderá ter uma resposta diferente se a localização da filial do restaurante for diferente – ou seja, se os metadados forem Localização: Seattle versus Localização: Redmond.
Usar sinônimos
Embora haja suporte para sinônimos no idioma inglês, use alterações de palavras que não diferenciam maiúsculas de minúsculas por meio da API de Alterações para adicionar sinônimos a palavras-chave que exibem diferentes formas. Os sinônimos são adicionados no nível de serviço do QnA Maker e compartilhados por todas as bases de dados de conhecimento no serviço.
Use palavras distintas para diferenciar perguntas
O algoritmo de classificação do QnA Maker, que corresponde uma consulta de usuário a uma pergunta na base de conhecimento, funciona melhor se cada pergunta atende a uma necessidade diferente. A repetição do mesmo conjunto de palavras entre as perguntas reduz a probabilidade da resposta correta ser escolhida para uma determinada consulta de usuário com essas palavras.
Por exemplo, você pode ter duas perguntas e respostas separadas com as seguintes perguntas:
| Perguntas e respostas |
|---|
| qual é a localização do estacionamento |
| onde está a localização do caixa eletrônico |
Como essas perguntas e respostas são formuladas com palavras muito semelhantes, essa semelhança pode levar a pontuações muito semelhantes para muitas consultas de usuário formuladas como "qual é a localização de <x>". Em vez disso, tente diferenciá-las claramente usando consultas como "onde fica o estacionamento" e "onde fica o caixa eletrônico", evitando palavras como "localização", que podem estar em muitas perguntas na sua base de dados.
Colaboração
O QnA Maker permite que os usuários colaborem em uma base de dados de conhecimento. Os usuários precisam de acesso ao grupo de recursos do QnA Maker do Azure para acessar as bases de dados de conhecimento. Algumas organizações podem querer terceirizar a edição e manutenção da base de dados de conhecimento e ainda proteger o acesso aos recursos do Azure. Esse modelo de editor-aprovador é realizado configurando dois serviços do QnA Maker idênticos em assinaturas diferentes e designando um deles para o ciclo de teste e edição. Quando o teste estiver concluído, o conteúdo da base de dados de conhecimento será transferido com um processo de importação-exportação para o serviço do QnA Maker do aprovador que, por fim, publicará a base de dados de conhecimento e atualizará o ponto de extremidade.
Aprendizado ativo
O aprendizado ativo faz o melhor trabalho de sugerir perguntas alternativas quando ele tem diversas consultas baseadas no usuário de qualidade e quantidade variadas. É importante permitir que as consultas do usuário dos aplicativos cliente participem do loop de comentários do aprendizado ativo sem censura. Assim que as perguntas forem sugeridas no portal do QnA Maker, será possível filtrar por sugestões , depois examinar e aceitar ou rejeitar essas sugestões.