Vous n’avez pas d’articles dans votre panier.

Comment Créer un chatbot avec QnA Maker de Microsoft (7)

Apprentissage actif

Jusqu’ à présent, c’est le développeur Bot qui a été chargé de déterminer les différentes façons dont les utilisateurs peuvent poser une question.

Grâce à la nouvelle fonction d’apprentissage actif, vos utilisateurs peuvent maintenant vous aider à apprendre automatiquement les variations des questions et à les ajouter à votre base de connaissances.

L’apprentissage actif utilise deux nouveaux ajouts à QnAMaker, le nouveau QnAMakerDialog et l’API Train.

Dialogue QnAMakerDialog

Le nouveau QnAMakerDialog fait maintenant ce qui suit:

  • Obtenez les correspondances TopN du service QnA pour chaque requête supérieure au seuil défini.
  • Si le meilleur score de confiance est significativement plus élevé que le reste des résultats, n’indiquez que la meilleure réponse.
  • Si les résultats TopN ont des scores de confiance similaires, affichez le dialogue d’invite avec les questions TopN.
  • Une fois que l’utilisateur a sélectionné la bonne question qui correspond à l’intention, affichez la réponse à cette question.
  • Cette sélection déclenche également un retour d’information sur le service QnAMaker via l’API Train, décrite ci-dessous.

Train API

L’API Train sert à enregistrer les commentaires des utilisateurs.

Il accepte les entrées suivantes:

  • userId: Identifiant unique permettant de distinguer les commentaires des différents utilisateurs.
  • userQuestion: Question posée par l’utilisateur.
  • kbQuestion: champ Question du couple question-réponse correct pour userQuestion. Ce champ doit correspondre exactement à la question posée dans la base de connaissances.
  • kbAnswer: champ Réponse du couple question-réponse correct pour userQuestion. Ce champ doit correspondre exactement à la réponse présente dans la base de connaissances.

Comment ça marche

Apprendre de nouvelles modifications

Sur la base des données de formation fournies, le service apprend également de nouvelles modifications (synonymes).

Par exemple, des mots comme ” onedrive “,” un lecteur ” et ” supprimer ” peuvent être regroupés comme synonymes par l’apprentissage actif, en fonction du feedback donné.

Vous pouvez voir les modifications apprises par le service en appelant l’API Download Alteration. Vous pouvez également gérer et ajouter des modifications personnalisées à votre Ko via l’API Modifications de mise à jour.

Apprendre de nouvelles QnAs

Une fois que suffisamment d’utilisateurs uniques donnent un feedback similaire, le service ajoute automatiquement une nouvelle paire QnA apprise au KB. Le développeur du bot peut encore revoir et éditer ces QnAs apprises avant de les publier en production.

Pour se prémunir contre les réactions frauduleuses, le système exige que des réactions similaires aient été fournies par un groupe d’utilisateurs uniques (identifiés par l’ID utilisateur dans l’API Train).

Le processus d’apprentissage actif démarre après chaque 50 commentaires envoyés au service via l’API Train.

Dans les deux cas ci-dessus, les QnAs apprises et les modifications doivent être publiées explicitement par le développeur, pour avoir un impact sur le point final de la production. Cette étape vous permet de revoir les changements d’apprentissage actif avant d’avoir un impact sur vos utilisateurs.

0


Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Cet article n'a pas été revu depuis la publication.

Cet article a été créé par Khristof le 9 mars 2018.