Aktivní učení
Funkce Návrhy aktivního učení vám umožňuje zlepšit kvalitu znalostní báze tím, že dvojici otázek a odpovědí navrhne alternativní otázky na základě odeslaných uživateli. Tyto návrhy si prohlédnete a buď je přidáte k existujícím otázkám, nebo je odmítnete.
Vaše znalostní báze se automaticky nezmění. Aby se změny projevily, musíte přijmout návrhy. Tyto návrhy přidají otázky, ale nezmění ani neodeberou existující otázky.
Poznámka
Služba QnA Maker se k 31. březnu 2025 vyřadí z provozu. V rámci jazyka Azure AI je teď k dispozici novější verze funkce otázek a odpovědí. Informace o možnostech odpovídání na otázky v rámci služby jazyka najdete v článku o odpovídání na otázky. Od 1. října 2022 nebudete moct vytvářet nové prostředky služby QnA Maker. Informace o migraci stávajících znalostních bází služby QnA Maker na zodpovězení otázek najdete v průvodci migrací.
Co je aktivní učení?
QnA Maker se učí nové varianty otázek s implicitní a explicitní zpětnou vazbou.
- Implicitní zpětná vazba – ranker rozumí tomu, že uživatelský dotaz má více odpovědí, se skóre, které jsou si velmi blízké, a považuje to za zpětnou vazbu. Abyste to mohli udělat, nemusíte nic dělat.
- Explicitní zpětná vazba – když se z znalostní báze vrátí více odpovědí s malou variací skóre, klientská aplikace se uživatele zeptá, která otázka je správná. Explicitní zpětná vazba uživatele se odešle do služby QnA Maker pomocí rozhraní Train API.
Obě metody poskytují nástroji ranker podobné dotazy, které jsou seskupené.
Jak funguje aktivní učení
Aktivní učení se aktivuje na základě skóre několika nejčastějších odpovědí vrácených službou QnA Maker. Pokud rozdíly ve skóre mezi páry otázek a odpovědí, které odpovídají dotazu, leží v malém rozsahu, považuje se dotaz za možný návrh (jako alternativní otázku) pro každý z možných párů otázek a odpovědí. Jakmile přijmete navrhovanou otázku pro konkrétní dvojici otázek a odpovědí, pro ostatní páry se zamítne. Po přijetí návrhů musíte pamatovat na uložení a trénování.
Aktivní učení poskytuje nejlepší možné návrhy v případech, kdy koncové body dostávají přiměřené množství a rozmanitost dotazů na využití. Když se seskupí pět nebo více podobných dotazů, QnA Maker každých 30 minut navrhne návrháři znalostní báze otázky založené na uživatelích, aby je přijal nebo odmítl. Všechny návrhy jsou seskupené podle podobnosti a nejčastější návrhy pro alternativní otázky se zobrazují na základě frekvence konkrétních dotazů koncovými uživateli.
Po navržení otázek na portálu QnA Maker je potřeba tyto návrhy zkontrolovat a přijmout nebo odmítnout. Neexistuje rozhraní API pro správu návrhů.
Jak funguje implicitní zpětná vazba služby QnA Maker
Implicitní zpětná vazba služby QnA Maker používá algoritmus k určení skóre vzdálenosti a pak poskytuje návrhy aktivního učení. Algoritmus pro určení blízkosti není jednoduchý výpočet. Rozsahy v následujícím příkladu nejsou určené k tomu, aby se opravily, ale měly by sloužit pouze jako vodítko k pochopení účinku algoritmu.
Pokud je skóre otázky vysoce sebevědomé, například 80 %, je rozsah skóre, která se zvažují pro aktivní učení, široký, přibližně do 10 %. Při poklesu skóre spolehlivosti, například 40 %, se snižuje i rozsah skóre, přibližně v rámci 4 %.
V následující odpovědi JSON z dotazu na generateAnswer služby QnA Maker se skóre pro A, B a C blíží a považují se za návrhy.
{
"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 nebude vědět, která odpověď je nejlepší. Pomocí seznamu návrhů portálu QnA Maker vyberte nejlepší odpověď a znovu natrénujte.
Jak poskytnout explicitní zpětnou vazbu pomocí rozhraní Train API
QnA Maker potřebuje explicitní zpětnou vazbu ohledně toho, která z odpovědí byla nejlepší. Jak se určí nejlepší odpověď, je na vás a může zahrnovat:
- Zpětná vazba uživatelů a výběr jedné z odpovědí
- Obchodní logika, například určení přijatelného rozsahu skóre
- Kombinace zpětné vazby uživatelů a obchodní logiky.
Pomocí rozhraní TRAIN API odešlete do služby QnA Maker správnou odpověď poté, co ji uživatel vybere.
Upgrade verze modulu runtime tak, aby používala aktivní učení
Aktivní učení se podporuje v modulu runtime verze 4.4.0 a vyšší. Pokud jste znalostní báze vytvořili ve starší verzi, upgradujte modul runtime, aby tuto funkci používal.
Zapnutí aktivního učení pro alternativní otázky
Aktivní učení je ve výchozím nastavení vypnuté. Pokud chcete zobrazit navrhované otázky, zapněte ho. Po zapnutí aktivního učení musíte odesílat informace z klientské aplikace do služby QnA Maker. Další informace najdete v tématu Tok architektury pro použití rozhraní API GenerateAnswer a trénování z robota.
Vyberte Publikovat a publikujte znalostní báze. Dotazy aktivního učení se shromažďují pouze z koncového bodu predikce rozhraní API GenerateAnswer. Dotazy na podokno Test na portálu služby QnA Maker nemají vliv na aktivní učení.
Aktivní učení na portálu QnA Maker zapnete tak, že přejdete do pravého horního rohu, vyberete své jméno a přejdete na Nastavení služby.
Vyhledejte službu QnA Maker a přepněte aktivní učení.
Poznámka
Přesná verze na předchozím obrázku je zobrazena pouze jako příklad. Vaše verze se může lišit.
Jakmile je aktivní učení povolené, znalostní báze v pravidelných intervalech navrhuje nové otázky na základě otázek odeslaných uživatelem. Aktivní učení můžete zakázat opětovným přepnutím nastavení.
Projděte si navrhované alternativní otázky.
Podívejte se na alternativní navrhované otázky na stránce Upravit každého znalostní báze.