Knowledge Base Optimizer ir testēšanas rīks, kas parāda, kurus apmācības datu fragmentus tērzēšanas robots atrod konkrētam jautājumam. Tas veic tieši tādu pašu zināšanu meklēšanu, kādu tērzēšanas robots izmanto reālās sarunās, tāpēc rezultātos redzamais ir tas pats saturs, ko mākslīgais intelekts saņem atbildes veidošanai.
Tas darbojas tikai lasīšanas režīmā: jautājuma testēšana šeit nemaina jūsu apmācības datus un nekādā veidā neietekmē jūsu tērzēšanas robotu.
Kur to atrast
Galvenajā panelī izvēlieties savu tērzēšanas robotu un atveriet cilni Training (Apmācība). Kreisajā kolonnā zem avotu kategoriju saraksta noklikšķiniet uz zilās pogas Knowledge Base Optimizer.
Ja vēl neesat apmācījis savu tērzēšanas robotu, vispirms sāciet ar apmācības datu pievienošanu - optimizētājs var meklēt tikai tajās zināšanās, kas jau ir apmācītas.
Jautājuma testēšana
- Ievadiet jautājumu laukā Message (Ziņojums) - vislabāk reālu jautājumu, ko uzdod jūsu apmeklētāji, vai tādu, uz kuru tērzēšanas robots nesen atbildēja nekvalitatīvi.
- Noklikšķiniet uz Submit (Iesniegt).
- Pēc brīža zemāk parādīsies atbilstošie zināšanu fragmenti, sakārtoti secībā no labākās atbilstības uz leju.
Rezultātu lasīšana
Katra rezultātu rinda atbilst vienam jūsu apmācības datu fragmentam:
- Match - procentuālā vērtība kreisajā pusē parāda, cik precīzi fragments atbilst jūsu jautājumam. Lielāks skaitlis nozīmē augstāku atbilstību.
- Source - rindas galvenē redzama avota veida ikona un nosaukums, piemēram, apmācītās lapas URL, faila nosaukums vai jautājumu un脚本atbilžu ieraksts.
- Language badge - mazā nozīmīte blakus avotam parāda valodu, ar kuru fragments ir atzīmēts. Avotiem bez valodas atzīmes tiek rādīts "any", kas nozīmē, ka tie tiek izmantoti visās valodās.
- Fragment content - noklikšķiniet uz rindas, lai to izvērstu un izlasītu precīzu tekstu, ko saņemtu tērzēšanas robots.
Secībai ir nozīme. Rezultāti tiek sakārtoti pēc atbilstības, un tērzēšanas robots tos lasa šādā secībā no augšas, līdz tiek sasniegts tā zināšanu konteksta limits. Šis limits ir atkarīgs no robota Chat Context Size (tērzēšanas konteksta apjoma) un atmiņas iestatījumiem - fragmenti, kas neietilpst limitā, tiek nogriezti no beigām. Ja gaidītais fragments sarakstā nav atrodams vai atrodas ļoti zemu, tērzēšanas robots, visticamāk, to atbildes sniegšanā neizmanto.
Valodu politika
Virs ziņojuma lauka rindiņa Language policy (Valodu politika) paskaidro, kā jūsu robots meklēšanas laikā apstrādā avotu valodas. Vienas valodas robotam meklēšana tiek veikta visos avotos kopā. Ja jums ir iespējots Multi-language (vairāku valodu atbalsts), meklēšanu var ierobežot līdz apmeklētāja valodai un no valodas neatkarīgiem avotiem, un rīks atspoguļo tieši šādu uzvedību.
Daudzvalodu robotiem pēc katras meklēšanas zem ziņojuma lauka parādās papildu informācijas rindiņa. Tā parāda vērtības Detected message language (rīka atpazītā jautājuma valoda), Searched languages (avotu valodas, kas tika iekļautas meklēšanā) un, ja rīks ir pārfrāzējis jautājumu labākai meklēšanai, Refined query (precizētais vaicājums, ko tas faktiski izmantoja).
Kad to lietot
- Tērzēšanas robots atbild nepareizi vai saka, ka nezina. Pārbaudiet to pašu jautājumu šeit. Ja pareizais fragments rezultātos trūkst, informācijas jūsu apmācības datos nav (vai arī tā ir noformulēta pārāk atšķirīgi) - pievienojiet to kā jaunu avotu vai labojumu.
- Pēc atkārtotas apmācības. Kad veicat avotu atkārtotu apmācību, pārbaudiet dažus tipiskus jautājumus, lai pārliecinātos, ka atjauninātais saturs tiek atrasts, kā paredzēts.
- Pirms publicēšanas. Izmēģiniet visbiežāk uzdotos jautājumus, ko vaicās apmeklētāji, un pārliecinieties, ka katram jautājumam atbilstošie fragmenti parādās saraksta augšgalā.
Ja rezultāti atklāj nepilnības, uzlabojiet savus apmācības datus un pārbaudiet vēlreiz - izmaiņas kļūst pieejamas, tiklīdz apmācība ir pabeigta. Plašāku ceļvedi skatiet rakstā Kā uzlabot tērzēšanas robota atbildes.