التعلم النشط
تتيح لك ميزة اقتراحات التعلم النشط تحسين جودة قاعدة معارف الخاص بك من خلال اقتراح أسئلة بديلة ، استنادا إلى عمليات إرسال المستخدم ، على زوج الأسئلة والأجوبة. يمكنك مراجعة هذه الاقتراحات، إما إضافتها إلى الأسئلة الحالية أو رفضها.
لا يتغير قاعدة معارف تلقائيا. لكي يصبح أي تغيير ساري المفعول ، يجب عليك قبول الاقتراحات. تضيف هذه الاقتراحات أسئلة ولكنها لا تغير الأسئلة الموجودة أو تزيلها.
ملاحظة
سيتم إيقاف خدمة QnA Maker في 31 مارس 2025. يتوفر الآن إصدار أحدث من إمكانية طرح الأسئلة والإجابة عليها كجزء من Azure Cognitive Service for Language. للحصول على إمكانيات الإجابة على الأسئلة داخل خدمة اللغة، راجع الإجابة على الأسئلة. اعتبارا من 1 أكتوبر 2022 ، لن تتمكن من إنشاء موارد QnA Maker جديدة. للحصول على معلومات حول ترحيل قواعد معارف QnA Maker الحالية للإجابة على الأسئلة، راجع دليل الترحيل.
ما هو التعلم النشط؟
يتعلم QnA Maker اختلافات جديدة في الأسئلة مع ملاحظات ضمنية وصريحة.
- ردود الفعل الضمنية - يفهم المرتب عندما يكون لسؤال المستخدم إجابات متعددة مع درجات قريبة جدا ويعتبر ذلك بمثابة تعليقات. لست بحاجة إلى فعل أي شيء حتى يحدث هذا.
- ردود فعل صريحة - عندما يتم إرجاع إجابات متعددة مع اختلاف طفيف في الدرجات من قاعدة معارف ، يسأل تطبيق العميل المستخدم عن السؤال الصحيح. يتم إرسال ملاحظات المستخدم الصريحة إلى QnA Maker باستخدام واجهة برمجة تطبيقات القطار.
توفر كلتا الطريقتين للترتيب استعلامات مماثلة يتم تجميعها.
كيف يعمل التعلم النشط
يتم تشغيل التعلم النشط بناء على درجات الإجابات القليلة الأولى التي تم إرجاعها بواسطة QnA Maker. إذا كانت الاختلافات في النتيجة بين أزواج QnA التي تطابق الاستعلام تقع ضمن نطاق صغير، اعتبار الاستعلام اقتراحا محتملا (كسؤال بديل) لكل زوج من أزواج QnA المحتملة. بمجرد قبول السؤال المقترح لزوج QnA معين ، يتم رفضه للأزواج الأخرى. عليك أن تتذكر الحفظ والتدريب ، بعد قبول الاقتراحات.
يوفر التعلم النشط أفضل الاقتراحات الممكنة في الحالات التي تحصل فيها نقاط النهاية على كمية معقولة ومجموعة متنوعة من استعلامات الاستخدام. عندما يتم تجميع خمسة استعلامات مماثلة أو أكثر، كل 30 دقيقة، يقترح QnA Maker الأسئلة المستندة إلى المستخدم على مصمم قاعدة معارف لقبولها أو رفضها. يتم تجميع جميع الاقتراحات معا حسب التشابه ويتم عرض أهم الاقتراحات للأسئلة البديلة بناء على تكرار الاستعلامات المحددة من قبل المستخدمين النهائيين.
بمجرد اقتراح الأسئلة في بوابة QnA Maker ، تحتاج إلى مراجعة هذه الاقتراحات وقبولها أو رفضها. لا توجد واجهة برمجة تطبيقات لإدارة الاقتراحات.
كيف تعمل الملاحظات الضمنية لصانع QnA
تستخدم الملاحظات الضمنية ل QnA Maker خوارزمية لتحديد قرب النتيجة ثم تقدم اقتراحات التعلم النشط. خوارزمية تحديد القرب ليست عملية حسابية بسيطة. لا يقصد من النطاقات الواردة في المثال التالي أن تكون ثابتة ولكن يجب استخدامها كدليل لفهم تأثير الخوارزمية فقط.
عندما تكون درجة السؤال واثقة للغاية ، مثل 80٪ ، يكون نطاق الدرجات التي يتم أخذها في الاعتبار للتعلم النشط واسعا ، تقريبا في حدود 10٪. مع انخفاض درجة الثقة ، مثل 40٪ ، ينخفض نطاق الدرجات أيضا ، تقريبا في حدود 4٪.
في استجابة JSON التالية من استعلام إلى Generate Answer الخاص بصانع QnA ، تكون درجات A و B و C قريبة وسيتم اعتبارها اقتراحات.
{
"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"
}
]
}
]
}
لن يعرف QnA Maker الإجابة التي هي أفضل إجابة. استخدم قائمة اقتراحات بوابة QnA Maker لتحديد أفضل إجابة والتدريب مرة أخرى.
كيفية تقديم ملاحظات صريحة باستخدام واجهة برمجة تطبيقات القطار
يحتاج QnA Maker إلى تعليقات صريحة حول أي من الإجابات كان أفضل إجابة. كيفية تحديد أفضل إجابة ، متروك لك ويمكن أن تشمل:
- تعليقات المستخدم، وتحديد إحدى الإجابات.
- منطق الأعمال، مثل تحديد نطاق نقاط مقبول.
- مزيج من كل من ملاحظات المستخدمين ومنطق الأعمال.
استخدم واجهة برمجة تطبيقات القطار لإرسال الإجابة الصحيحة إلى صانع QnA، بعد أن يحددها المستخدم.
ترقية إصدار وقت التشغيل لاستخدام التعلم النشط
يتم دعم Learning النشطة في إصدار وقت التشغيل 4.4.0 والإصدارات الأحدث. إذا تم إنشاء قاعدة معارف الخاص بك على إصدار سابق، فقم بترقية وقت التشغيل لاستخدام هذه الميزة.
تشغيل التعلم النشط للأسئلة البديلة
يتم إيقاف تشغيل التعلم النشط بشكل افتراضي. قم بتشغيله للاطلاع على الأسئلة المقترحة. بعد تشغيل التعلم النشط، تحتاج إلى إرسال معلومات من تطبيق العميل إلى QnA Maker. لمزيد من المعلومات، راجع التدفق المعماري لاستخدام واجهات برمجة تطبيقات GenerateAnswer و Train من روبوت.
حدد نشر لنشر قاعدة معارف. يتم جمع استعلامات التعلم النشط من نقطة نهاية تنبؤ واجهة برمجة تطبيقات GenerateAnswer فقط. لا تؤثر الاستعلامات إلى جزء الاختبار في مدخل صانع QnA على التعلم النشط.
لتشغيل التعلم النشط في مدخل QnA Maker، انتقل إلى الزاوية العلوية اليسرى، وحدد اسمك، وانتقل إلى Service الإعدادات.
ابحث عن خدمة صانع QnA ثم قم بتبديل Learning النشطة.
ملاحظة
يتم عرض الإصدار الدقيق على الصورة السابقة كمثال فقط. قد يكون الإصدار الخاص بك مختلفا.
بمجرد تمكين Learning النشطة، يقترح قاعدة معارف أسئلة جديدة على فترات منتظمة استنادا إلى الأسئلة التي يقدمها المستخدمون. يمكنك تعطيل Learning النشطة عن طريق تبديل الإعداد مرة أخرى.
مراجعة الأسئلة البديلة المقترحة
راجع الأسئلة المقترحة البديلة في صفحة تحرير كل قاعدة معارف.