Šta je Knowledge Base Optimizer u ChatLab-u?

To je alat za testiranje u režimu samo za čitanje koji prikazuje koje delove vaših podataka za treniranje chatbot pronalazi za dato pitanje. On testira pretragu za pojedinačno pitanje. Istorija razgovora, dodatna pitanja i rezultati alata uživo mogu učiniti da stvarni razgovor koristi drugačiji kontekst.

Gde mogu da pronađem Knowledge Base Optimizer?

Izaberite svog chatbota na glavnoj kontrolnoj tabli, otvorite karticu Training (Treniranje) i kliknite na Knowledge Base Optimizer (Optimizator baze znanja) ispod liste kategorija izvora sa leve strane.

Da li je redosled prikazanih rezultata važan?

Da. Rezultati su rangirani po relevantnosti i chatbot ih prima tim redosledom, počevši od vrha, sve dok se ne popuni ograničenje konteksta znanja. Fragmenti pri vrhu imaju najveći uticaj na oblikovanje odgovora.

Šta mogu da uradim sa rezultatima iz Knowledge Base Optimizer-a?

Možete da proverite da li se za pitanje preuzimaju pravi podaci za treniranje, da uočite sadržaj koji nedostaje ili je zastareo, a zatim da dodate nove izvore, ponovo istrenirate postojeće ili kreirate ispravke kako biste poboljšali odgovore chatbota.

Da li testiranje u Knowledge Base Optimizer-u menja mog chatbota?

Ne. Ovaj alat je samo za čitanje - on samo pokreće pretragu kroz vaše istrenirano znanje i prikazuje rezultate. Ne menja vaše podatke za treniranje niti šalje bilo kakve poruke.

Knowledge Base Optimizer (Optimizator baze znanja)

Knowledge Base Optimizer (Alat za optimizaciju baze znanja) jeste alat za testiranje koji Vam pokazuje koje fragmente Vaših podataka za treniranje chatbot pronalazi za bilo koje pitanje. Koristi botovo pronalaženje znanja i jezička podešavanja za samostalno pitanje. Ne ponavlja ceo razgovor niti poziva radnju bota i druge akcije, tako da ne predstavlja tačan trag svakog odgovora uživo.

Funkcioniše samo za čitanje: testiranje pitanja ovde ne menja Vaše podatke za treniranje i ni na koji način ne utiče na Vašeg chatbota.

Gde ga možete pronaći

Izaberite svog chatbota na glavnoj kontrolnoj tabli i otvorite karticu Training (Treniranje). U levoj koloni, ispod liste kategorija izvora, kliknite na Knowledge Base Optimizer (Alat za optimizaciju baze znanja).

Ako još niste trenirali svog chatbota, prvo počnite sa dodavanjem podataka za treniranje - optimizator može pretraživati samo ono znanje koje je već istrenirano.

Testiranje pitanja

Unesite pitanje u polje Message (Poruka) - idealno pravo pitanje koje postavljaju Vaši posetioci ili ono na koje je chatbot nedavno loše odgovorio.
Kliknite na Submit (Pošalji).
Nakon nekoliko trenutaka, odgovarajući fragmenti znanja pojaviće se ispod, poređani prema rangu pronalaženja i jezičkoj politici.

Čitanje rezultata

Svaki red rezultata predstavlja jedan fragment Vaših podataka za treniranje:

Match (Poklapanje) - procenat sa leve strane pokazuje koliko se fragment podudara sa Vašim pitanjem. Koristite ga kao signal sličnosti, a ne kao procentualnu verovatnoću da je odgovor tačan. Jezičke postavke i ponovno rangiranje takođe mogu uticati na redosled.
Source (Izvor) - zaglavlje reda prikazuje ikonu i naziv tipa izvora, na primer URL trenirane stranice, naziv datoteke ili stavku sa pitanjima i odgovorima (Q&A).
Language badge (Oznaka jezika) - mala oznaka pored izvora pokazuje kojim je jezikom fragment označen. Izvori bez jezičke oznake prikazuju "any", što znači da se koriste za svaki jezik.
Fragment content (Sadržaj fragmenta) - kliknite na red da biste ga proširili i pročitali tačan tekst koji bi chatbot primio.

Redosled je važan. Rezultati su rangirani po relevantnosti, a chatbot ih čita ovim redosledom, od vrha, sve dok se ne popuni njegov budžet za kontekst znanja. Budžet zavisi od botove Chat Context Size (Veličina konteksta ćaskanja) i podešavanja memorije - fragmenti koji ne stanu u budžet se odsecaju odozdo. Ako fragment koji ste očekivali nedostaje ili se nalazi veoma nisko na listi, chatbot ga najverovatnije ne koristi prilikom odgovaranja.

Jezička politika

Iznad polja za poruku, linija Language policy (Jezička politika) objašnjava kako Vaš bot tretira jezike izvora tokom pretrage. Za bota bez filtriranja jezika, pretražuju se svi izvori zajedno. Uz Multi-language, konfigurisana politika može ograničiti pronalaženje na glavni jezik ili jezik posetioca, uz izabrane rezervne i jezički nezavisne izvore. Pročitajte prikazanu politiku pre tumačenja rezultata koji nedostaju.

Za višejezične botove, dodatni informativni red se pojavljuje ispod polja za poruku nakon svake pretrage. On prikazuje Detected message language (Prepoznati jezik poruke - jezik koji je alat prepoznao u Vašem pitanju), Searched languages (Pretraživani jezici - koji su jezici izvora uključeni u pretragu) i, kada alat preformuliše Vaše pitanje radi bolje pretrage, Refined query (Poboljšani upit) koji je zapravo korišćen.

Kada ga koristiti

Chatbot odgovara netačno ili kaže da ne zna. Testirajte isto pitanje ovde. Ako pravi fragment nedostaje, prvo proverite originalni izvor, njegov status završenog treniranja, jezičku oznaku i prikazanu jezičku politiku. Rezultati koji nedostaju takođe mogu odražavati rangiranje ili budžet za kontekst; oni ne dokazuju da informacija ne postoji. Dodajte ili ispravite sadržaj tek nakon što identifikujete prazninu.
Nakon ponovnog treniranja. Kada ponovo trenirate svoje izvore, pokrenite nekoliko tipičnih pitanja kako biste proverili da li se osveženi sadržaj pronalazi kako se očekuje.
Pre puštanja u rad. Testirajte najčešća pitanja koja će Vaši posetioci postavljati i potvrdite da svako od njih vraća relevantne fragmente blizu vrha.

Ako rezultati otkriju praznine, poboljšajte svoje podatke za treniranje i testirajte ponovo - promene postaju dostupne nakon završetka treniranja. Zatim testirajte odgovor u Overview (Pregled), uključujući realistično propratno pitanje. Za opširniji vodič, pogledajte Kako poboljšati odgovore chatbota.