Meilleures pratiques en matière d'actifs de connaissance

Amélioration de la qualité des réponses

Si un utilisateur interagit avec un jeu de données Airline comme suit :

Les utilisateurs peuvent demander des précisions sur des aéroports spécifiques en utilisant leur nom (par exemple, Dulles ou Raegan) au lieu des codes d'aéroport (par exemple, IAD ou DCA), comme indiqué ci-dessous :

Dans cet exemple, le Bot n'est pas en mesure d'interpréter la signification ou la signification des noms fournis. Pour résoudre ce problème, vous pouvez fournir des informations détaillées dans un fichier Excel à une seule colonne. Le fichier doit définir les codes d'aéroport sur trois lignes séparées, comme indiqué dans l'image suivante. Par exemple, « IAD est le code de l'aéroport international de Washington Dulles".

Une fois le fichier chargé, étudié et enregistré, comme indiqué ci-dessus, vous pouvez recevoir des réponses précises qui exploitent les connaissances contenues dans le fichier chargé.

Seules les informations pertinentes sont transmises à Strategy IA.

Consultez les réponses précises du bot après avoir téléchargé le fichier Excel :

Cas d'utilisation et meilleures pratiques

Suivre les meilleures pratiques suivantes lors de l'utilisation des actifs de connaissance :

Chaque actif de connaissances doit inclure des mots clés ou des mots ayant des définitions sémantiques similaires utilisées à la fois dans la question et dans l'actif de connaissances. Ces similitudes sont requises pour permettre l'utilisation de l'actif de connaissances pour répondre à une question. Si l'actif de connaissances comprend des règles génériques, les réponses automatiques et les bots auront des problèmes pour associer sémantiquement les connaissances à la question. Des règles génériques peuvent être placées dans les instructions personnalisées du Bot.

Intégrer des définitions qui clarifient les noms d'objets pour le Bot, notamment les termes, acronymes ou synonymes. Par exemple :

The code SLS stands for Sales
The code SOP is a descriptor for SLS - Operations with role definition as Operational support for Sales Activities (AP, SL, ES, SE)
                                                        

Veuillez fournir des définitions pour les objets existants afin d'aider les utilisateurs à formuler leurs questions avec les termes corrects. Par exemple, lorsqu'un utilisateur spécifie une mesure comme la suivante :

L4Q stands for last four quarter and is a metric of average score for last 4 quarters. It can also be considered as the annual score.
                                                        

Il est nécessaire de définir le jargon métier avant de les intégrer à l’analyse :

Ils comprennent les définitions spécifiques qui sont essentielles pour l'analyse des données. Par exemple :

For a human male of age 0-16, the normal blood pressure is 116/70mm Hg
For a human male of age 17-35, the normal blood pressure is 119/79mm Hg
For a human male of age 36-59, the normal blood pressure is 124/77mm Hg
For a human male of age 60 and above, the normal blood pressure is 133/69mm Hg
For a human female of age 0-16, the normal blood pressure is 105/66mm Hg
For a human female of age 17-35, the normal blood pressure is 122/72mm Hg
For a human female of age 36-59, the normal blood pressure is 132/70mm Hg
For a human female of age 60 and above, the normal blood pressure is 139/68mm Hg
                                                        

En utilisant les connaissances ci-dessus, le Bot peut fournir des résultats plus précis en considérant l'âge du patient à partir de l'ensemble des données, comme référence généralisée de 120/80 mm Hg ne sera pas appliqué universellement à tous les âges et tous les genres.

Calculez les mesures dérivées en utilisant les mesures existantes. Par exemple, où Chiffre d’affaires et C3 sont des mesures existantes :

Predicted Revenue = [0.23 * (Revenue)] + C3

Des définitions pour les valeurs d'éléments d'attribut peuvent être incluses pour améliorer la compréhension par le Bot des requêtes des utilisateurs. Comme expliqué dans Amélioration de la qualité des réponses, la connaissance peut être définie comme suit :

The attribute Airport Code contains values like BWI, IAD and DCA.
BWI is the airport code for Baltimore/Washington International Thurgood Marshall Airport.
DCA is the airport code for Ronald Reagan Washington National Airport.
IAD is the airport code for Washington Dulles International Airport.
                                                        

Si vous souhaitez tester l'efficacité d'une donnée supplémentaire avant de l'ajouter à l'actif de connaissances, vous pouvez ajouter les connaissances à la requête elle-même. Par exemple :

How many SBD employees did we hire this year ? The code SLS stands for Sales.  The code SBD is a descriptor for SLS - Business Development with role definition as Responsible for Business Development Support for Sales.
                                                        

Si le contexte supplémentaire renvoie la réponse attendue, vous pouvez l'ajouter à l'actif de connaissances.

Éviter le comportement suivant lors de l’utilisation d’actifs de connaissance :

Les définitions ne doivent pas contenir d'informations non pertinentes.
La performance des réponses dépend de votre ligne d'actif de connaissances et du nombre de lignes pertinentes dans la question. Évitez d'ajouter trop de lignes ou trop d'informations sur chaque ligne. Cela peut brouiller l'IA et provoquer des hallucinations.

Par exemple, si vous souhaitez poser des questions sur les rôles et responsabilités des employés d'un service commercial, vous pouvez utiliser les définitions suivantes :

Copier

The code SLS stands for Sales. The code SOP is a descriptor for SLS - Operations with role definition as Operational support for Sales Activities (AP, SL, ES, SE).The code SBD is a descriptor for SLS - Business Development with role definition as Responsible for Business Development Support for Sales. The code SCS is a descriptor for SLS - Customer Success Manager with role definition as Responsible for Account Health Checks & Renewals.

Cependant, en passant le texte entier à Strategy L'IA augmente le nombre de jetons et retarde le temps de réponse. Les informations doivent à la place être divisées en plusieurs lignes :

Copier

The code SLS stands for Sales. 
The code SOP is a descriptor for SLS - Operations with role definition as Operational support for Sales Activities (AP, SL, ES, SE).
The code SBD is a descriptor for SLS - Business Development with role definition as Responsible for Business Development Support for Sales. 
The code SCS is a descriptor for SLS - Customer Success Manager with role definition as Responsible for Account Health Checks & Renewals.

Évitez d'intégrer des informations supplémentaires sur les attributs dans le texte et d'attendre que le bot les extraie puis les utilise pour filtrer et regrouper les données.

Par exemple, considérons un jeu de données avec Continent, Country, et City attributs et Population et Area mesurecs.

Dans cet exemple, si un utilisateur demande : « Combien de villes que j'ai parcourues ont le français comme langue parlée ? », la connaissance suivante contient des informations supplémentaires sur Country attribut et peut faire halluciner l'IA.

Copier

The city Strasbourg in France has a population of 280000. The official spoken language is French.
The city Tours in France has a population of 140000. The official spoken language is French.
The city Berlin in Germany has a population of 3500000. The official spoken language is German.
The city Warsaw in Poland has a population of 1700000. The official spoken language is Polish.
The city Montreal in Canada has population of 1700000. The official spoken language is French.

Téléchargez des connaissances sous la forme suivante pour éviter les hallucinations :

Copier

Cities such as Strasbourg, Tours, Lyons, Montreal, Abidjan, Yaounde, Madagascar, and Dakar use French as the official spoken language.