Metodtips för en QnA Maker-kunskapsbas
Livscykeln för kunskapsbas utveckling vägleder dig om hur du hanterar din KB från början till slut. Använd dessa metodtips för att förbättra din kunskapsbas och ge bättre resultat för klientprogrammet eller chattrobotens slutanvändare.
Kommentar
QnA Maker-tjänsten dras tillbaka den 31 mars 2025. En nyare version av fråge- och svarsfunktionen är nu tillgänglig som en del av Azure AI Language. Information om funktioner för frågesvar i språktjänsten finns i svar på frågor. Från och med den 1 oktober 2022 kommer du inte att kunna skapa nya QnA Maker-resurser. Information om hur du migrerar befintliga QnA Maker-kunskapsbas till frågesvar finns i migreringsguiden.
Extraktion
QnA Maker-tjänsten förbättrar kontinuerligt de algoritmer som extraherar QnAs från innehåll och expanderar listan över fil- och HTML-format som stöds. Följ riktlinjerna för extrahering av data baserat på dokumenttypen.
I allmänhet bör vanliga frågor och svar-sidor vara fristående och inte kombineras med annan information. Produkthandböcker bör ha tydliga rubriker och helst en indexsida.
Konfigurera flera svängar
Skapa din kunskapsbas med extrahering i flera svängar aktiverat. Om din kunskapsbas har eller bör ha stöd för frågehierarki kan den här hierarkin extraheras från dokumentet eller skapas efter att dokumentet har extraherats.
Skapa bra frågor och svar
Bra frågor
De bästa frågorna är enkla. Överväg nyckelordet eller frasen för varje fråga och skapa sedan en enkel fråga för nyckelordet eller frasen.
Lägg till så många alternativa frågor som du behöver men håll ändringarna enkla. Att lägga till fler ord eller fraser som inte ingår i huvudmålet för frågan hjälper inte QnA Maker att hitta en matchning.
Lägg till relevanta alternativa frågor
Användaren kan ange frågor med antingen en konversationsformatmall How do I add a toner cartridge to my printer? eller en nyckelordssökning, till exempel toner cartridge. Kunskapsbas bör ha båda typerna av frågor för att korrekt returnera det bästa svaret. Om du inte är säker på vilka nyckelord en kund anger använder du Application Insights-data för att analysera frågor.
Bra svar
De bästa svaren är enkla svar men inte för enkla. Använd inte svar som yes och no. Om ditt svar ska länka till andra källor eller ge en omfattande upplevelse av media och länkar använder du metadatataggning för att skilja mellan svar och skickar sedan frågan med metadatataggar i strictFilters egenskapen för att få rätt svarsversion.
| Svar | Uppföljningsprompter |
|---|---|
| Stäng av surface laptop med strömknappen på tangentbordet. | * Nyckelkombinationer för viloläge, avstängning och omstart. * Hur man hårdstarta en Surface laptop * Hur man ändrar BIOS för en Surface laptop * Skillnader mellan strömsparläge, avstängning och omstart |
| Kundtjänst är tillgänglig via telefon, Skype och sms 24 timmar om dygnet. | * Kontaktinformation för försäljning. * Kontor och lagra platser och timmar för ett personligt besök. * Tillbehör för en Surface laptop. |
Chit-Chat
Lägg till chit-chat till din robot för att göra roboten mer konversationsbaserad och engagerande, med låg ansträngning. Du kan enkelt lägga till chit-chat-datauppsättningar från fördefinierade personligheter när du skapar din KB och ändra dem när som helst. Lär dig hur du lägger till chit-chat i din KB.
Chit-chat stöds på många språk.
Välja en personlighet
Chit-chat stöds för flera fördefinierade personligheter:
| Personlighet | QnA Maker-datauppsättningsfil |
|---|---|
| Professionellt | qna_chitchat_professional.tsv |
| Vänlig | qna_chitchat_friendly.tsv |
| Kvick | qna_chitchat_witty.tsv |
| Omtänksam | qna_chitchat_caring.tsv |
| Entusiastisk | qna_chitchat_enthusiastic.tsv |
Svaren sträcker sig från formellt till informellt och irreverent. Välj den personlighet som är närmast anpassad till den ton du vill använda för din robot. Du kan visa datauppsättningarna och välja en som fungerar som bas för din robot och sedan anpassa svaren.
Redigera robotspecifika frågor
Det finns några robotspecifika frågor som ingår i chit-chat-datauppsättningen och som har fyllts i med allmänna svar. Ändra dessa svar så att de bäst återspeglar din robotinformation.
Vi rekommenderar att du gör följande chit-chat QnAs mer specifika:
- Vem är du?
- Vad kan du göra?
- Hur gammal är du?
- Vem skapade dig?
- Hello (Hej)
Lägga till anpassad chit-chat med en metadatatagg
Om du lägger till dina egna chit-chat QnA-par måste du lägga till metadata så att dessa svar returneras. Metadatanamnet/värdeparet är editorial:chitchat.
Söka efter svar
GenerateAnswer API använder både frågor och svar för att söka efter bästa svar på en användares fråga.
Söker bara efter frågor när svaret inte är relevant
RankerType=QuestionOnly Använd om du inte vill söka efter svar.
Ett exempel på detta är när kunskapsbas är en katalog med förkortningar som frågor med hela formuläret som svar. Svarets värde hjälper inte till att söka efter rätt svar.
Rangordning/bedömning
Se till att du använder rankningsfunktionerna som QnA Maker stöder på bästa sätt. Om du gör det ökar sannolikheten för att en viss användarfråga besvaras med ett lämpligt svar.
Välja ett tröskelvärde
Standardkonfidenspoängen som används som tröskelvärde är 0, men du kan ändra tröskelvärdet för din KB baserat på dina behov. Eftersom varje KB skiljer sig bör du testa och välja det tröskelvärde som passar bäst för din KB.
Välja rankningstyp
Som standard söker QnA Maker igenom frågor och svar. Om du bara vill söka igenom frågor, för att generera ett svar, använder du RankerType=QuestionOnly i POST-brödtexten i GenerateAnswer-begäran.
Lägg till alternativa frågor
Alternativa frågor förbättrar sannolikheten för en matchning med en användarfråga. Alternativa frågor är användbara när det finns flera sätt på vilka samma fråga kan ställas. Detta kan inkludera ändringar i meningsstrukturen och ordformatet.
| Ursprunglig fråga | Alternativa frågor | Förändring |
|---|---|---|
| Är parkering tillgänglig? | Har du parkering? | meningsstruktur |
| Hej | Yo Hallå där! |
ordformat eller slang |
Använda metadatataggar för att filtrera frågor och svar
Metadata lägger till möjligheten för ett klientprogram att veta att det inte ska ta alla svar utan i stället begränsa resultatet av en användarfråga baserat på metadatataggar. Kunskapsbasens svar kan variera beroende på metadatataggen, även om frågan är densamma. Till exempel kan "var finns parkering" ha ett annat svar om platsen för restauranggrenen är annorlunda , det vill säga metadata är Plats: Seattle kontra Plats: Redmond.
Använda synonymer
Det finns visst stöd för synonymer på engelska, men använd skiftlägesokänsliga ordändringar via API:et För ändringar för att lägga till synonymer till nyckelord som har olika former. Synonymer läggs till på QnA Maker-tjänstnivå och delas av alla kunskapsbas i tjänsten.
Använda distinkta ord för att särskilja frågor
QnA Maker:s rankningsalgoritm, som matchar en användarfråga med en fråga i kunskapsbas, fungerar bäst om varje fråga löser olika behov. Upprepning av samma orduppsättning mellan frågor minskar sannolikheten för att rätt svar väljs för en viss användarfråga med dessa ord.
Du kan till exempel ha två separata QnA:er med följande frågor:
| QnAs |
|---|
| var är parkeringsplatsen |
| var är den uttagsautomat platsen |
Eftersom dessa två QnA:er är frasade med mycket liknande ord kan den här likheten orsaka mycket liknande poäng för många användarfrågor som är formulerade som "var är <x> platsen". Försök i stället att tydligt skilja på frågor som "var är parkeringsplatsen" och "var är uttagsautomat", genom att undvika ord som "plats" som kan finnas i många frågor i din KB.
Samarbeta
Med QnA Maker kan användare samarbeta i en kunskapsbas. Användare behöver åtkomst till resursgruppen Azure AI QnA Maker för att få åtkomst till kunskapsbas. Vissa organisationer kanske vill lägga ut kunskapsbas redigering och underhåll på entreprenad och ändå kunna skydda åtkomsten till sina Azure-resurser. Den här redigerar-godkännarmodellen görs genom att konfigurera två identiska QnA Maker-tjänster i olika prenumerationer och välja en för redigeringstestningscykeln. När testningen är klar överförs kunskapsbas innehåll med en import-exportprocess till QnA Maker-tjänsten för godkännaren som slutligen publicerar kunskapsbas och uppdaterar slutpunkten.
Aktiv inlärning
Aktiv inlärning gör det bästa jobbet med att föreslå alternativa frågor när den har ett brett utbud av kvalitet och mängd användarbaserade frågor. Det är viktigt att tillåta klientprograms användarfrågor att delta i feedbackslingan för aktiv inlärning utan censur. När frågor har föreslagits i QnA Maker-portalen kan du filtrera efter förslag och sedan granska och acceptera eller avvisa dessa förslag.