开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术
AR与VR
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
信息服务
智能园区

功能详述

添加问答对

  为了满足不同用户的业务需求,unit提供了逐条添加问答对、批量导入问答对以及添加预置问题三种添加问答对的方式:

  1. 当您仅需添加少量问答对时,建议选择逐条添加问答对;

  2. 当您有大量问答对需要添加时,建议使用批量导入功能;

  3. 同时unit也提供丰富的预置问题,当您缺少问答数据或是想提升配置效率时,不妨使用添加预置问题功能。

逐条添加问答对

  在问答管理页面,点击【添加问答对】,进入问答对配置页面。

  问答对配置共包括添加标签、配置问题、配置答案三部分。

添加标签

  标签是一种问答对分类管理功能。为问答对添加标签后,可以在问答对数量较多时,有效的对问答对进行搜索和编辑,提高效率。

  点击【添加标签】,支持选择已有标签或新建标签,每个问答对都支持添加多个标签,勾选标签后,点击【应用】即可添加成功。

  我们来新建两个标签,然后添加问答对。

标签添加问答对

配置问题

  unit提供了两种问题添加方式,普通问题和问题模板。

  1. 当一个问题的表述有多种句式,且问题中的关键词基本没有同义词,建议使用普通问题功能,配置更简单;

  例如,“介绍一下UNIT”,“UNIT是干嘛的?”等。

  2. 当问题的表述句式相同,但问题中的关键词具有多个同义词的时候,建议使用问题模板,可以大幅提高您的配置效率;

  例如:“酒店在哪?”中“酒店”的同义词有:旅馆、旅店、宾馆等,“在哪”的同义词有:在哪里、在什么地方等。

  • 普通问题

  标准问题是必填项,相似问题是标准问题的其他说法,用来提升问答对的召回能力。

  首先我们在【标准问题】中输入:怎么退货啊?

注意:
 当用户的表述与标准问题相似时,就可以回复问题对应的答案给用户了。但是,用户对于“怎么退货”这个问题的表述是多种多样的,例如:我想退货怎么办,退货政策,我要退货等等。这时由于用户表述与标准问题差异较大,就会出现机器人无法正确回复的问题。所以,我们要尽可能的将同一问题的其他表述都添加在相似问题中,这样不管用户怎么问,机器人就都能回答了。

  接下来,我们将:“我想退货怎么办”、“退货政策”、“我要退货”添加到【相似问题】中

标签添加问答对

注意:
 最多可添加999个相似问题。

  • 问题模板

  在没有真实对话数据,但需要快速启动项目的情况下,首选配置对话模板,可以快速让模型有一定的识别效果。精确识别语句,输入的语句符合模板就能识别到意图、词槽等信息。

我们先简单了解几个概念:

  模板片段:由特征词、固定文本组成。一般情况下,一个特征词或固定文本即是一个模板片段。

  特征词:当一个词具有多个同义表述时,我们将这些词加到一个词组里,就是特征词。例如:问题“支持退换货嘛?”中,“支持”的同义表述有:有、能、可以、享受等。

  必须匹配:必须匹配选择【是】的模板片段,必须在用户问题中出现,才能命中当前模板。

  阈值:
   1. 当用户语句中可识别部分内容字数除以模板内容总字数 > 阈值时,语句可匹配该模板。
   2. 可识别部分包括:词槽,特征词,固定汉字,口语化词。计算字数时,汉字是1,数字、字母、标点符号是0.5。

  接下来我们来看如何为“支持七天无理由退换货嘛?”创建一个问题模板。

  首先,这句话里有三个关键词,分别是:支持、七天无理由、退换货。其中,支持、退换货是有同义表述的,我们将其新建成两个特征词:

  点击【新建问题模板】即可开始配置模版,选择【新建特征词】并在对话框中输入特征词信息,如下示例:

  【名称】:kw_sale

  【描述】:把“退换货”定义为特征词。

  【词典值】:退换,换货,退换货

新建特征词

  填写完成后确认,参照上述,为"支持”新建特征词。

  【名称】:kw_support

  【描述】:把"支持"定义为特征词。

  【词典值】:支持、可以、享受

  接下来,将三个词加入三个模板片段。

  这时,我们发现,“支持七天无理由退换货嘛?”这句话中,“支持”和“退换货”是必须要有,我们才能完整理解句子意思的词。而“七天无理由”即使省略掉,也可以理解句子意思。

  所以,我们分别在“支持”和“退换货”的片段前,【必须匹配】选项选【是】,而在【七天无理由】片段前【必须匹配】选项选【否】,这样无论用户说“支持退货吗?”还是说“可以七天无理由退换嘛”就都能命中这个模板。

  我们还会发现一个问题,就是用户还可能会说:“七天无理由退货支持吗?”,这句话特征词的出现顺序发生了明显的变化,为了解决这个问题,UNIT为模板片段提供了顺序的概念:

  当顺序为0时,意味着这个模板片段可以出现在用户问题中的任意位置;当顺序大于1时,模板按照从小到大的顺序,需要依次在用户问题中从左至右出现。我们来看两个例子:

问题模板排序1

  此配置下,当用户说:“支持七天无理由退换嘛?”,才能命中模板。

问题模板排序2

  此配置下,无论用户说:“支持七天无理由退换嘛?”、“七天无理由退换支持吗?”、“支持退换嘛,七天无理由的”、“退换支持吗?七天无理由的”都可以命中模板。

问题模板排序

配置答案

  UNIT提供了多种回复方式,来满足不同用户的业务需求:

  a. 单条答案:当您需要统一的回复时,可以只配置一条答案,固定回复;

  b. 多条答案随机回复:当您希望回复更生动拟人时,可以配置多条答案,机器人回复随机选择其中一条答案进行回复;

  c. 设定触发规则,触发后回复指定答案:当您希望机器人按照一定的条件回复不同话术时,可以选择此方案。

  比如,当用户问:“支持七天无理由退换嘛?”,除了“吊牌缺失、洗涤、破损以及七日后”这四种情况,其他都支持退换,我们可以这样设定回复:

  • 【答案1】输入:满足相应条件时,消费者可申请”七天无理由退换货”。
  • 点击【新增答案】输入【答案2】:吊牌缺失、洗涤、破损以及七日后不支持退换货。

多个答案

  • 点击【点击新增】,新建触发规则,规则组直接是“或”关系,规则之间是“且”关系。由于吊牌确实、洗涤、破损、七日后满足任意条件即可,所以我们新建四个规则组:

问题模板排序

  当用户的问题中包含“缺失、洗涤、破损以及七日后”等词时可通过设定好的触发规则让技能回复【答案2】。 未命中触发规则时,会回复默认答案【答案1】。

批量导入问答对

  当您有大量问答对需要添加时,建议使用批量导入功能,使用教程见:问答对及问题模板导入说明

添加预置问答对

  当您缺少问答数据或者想提升配置效率时,可以使用预置问题功能,您只需要补充好各个问答对的答案,即可快速进入人机对话。

  点击【添加预置问题】,右侧弹出选择预置问题页面。通过筛选、关键词搜索来查找适合自身业务的问答对。

添加预置问题

注意:
 添加预置问题后,未配置答案的问答对后会有“!”提示,请及时完善问答对以避免影响正常使用。
 预置问题添加后,问答对的编辑功能与普通问答对并无区别,问答对配置教程见:逐条添加问答对

标签管理

  在开头添加标签环节中,我们为每一个问答对添加了对应的标签,接下来在问答管理页面,通过按标签筛选导航栏,可以对标签进行添加、删除、查询、排序以及重命名。

标签管理

技能设置

  • 设置上面有召回阈值和top1阈值,把置信度分成了3个区间:

    1. query识别出的置信度比召回阈值低,识别失败没有回复。
    2. query识别出的置信度在中间,会给出相似的问题候选,问题个数也可以设置。
    3. query识别出的置信度比top1阈值高,即使有多个相似问题,只会给出置信度最高的唯一答案。
  • 置信度无法设置,是模型识别出的。
  • 非问答原句的置信度为0-40之间。
  • 如若不期望出现问题候选,调整召回阈值和top1阈值为同一数值即可。

技能设置

注意:
 修改技能设置后,需要重新训练方可生效。

技能训练

  配置了训练数据之后,还需要将模型部署到研发环境或者生产环境之后才能对话。

  测试阶段,可以将模型训练并部署到研发环境

技能训练

  正式上线,建议将模型部署到生产环境

  点击【部署】,先选择可用的生产环境,然后选择需要部署的地域,最后确认部署即可。

部署生产环境

注意:
模型需要先部署研发环境之后才能选择生产环境部署。

对话测试

  完成训练后,就可以和机器人进行对话了,我们一起来试试对话效果吧。

  输入:支持七天无理由退换嘛?机器人即会回复之前配置好的答案。

对话测试

  测试完对话效果后,建议将技能添加到机器人中进行部署调用,详情见-对话机器人部署

数据看板

  可查看技能配置数据,包括问答对数量、问题模板数、特征词数、标签数量。

  在进行对话之后,可查看请求量、耗时和QPS以及热门问答top10数据。

FAQ数据看板

日志分析

  研发环境与生产环境可以分别记录最近30天且不超35万轮(用户一问模型一答算一轮)对话日志。开发者在调用对话API时,可自行存储全量对话日志。

技能设置

注意:
 1. 如上图所示,一行数据中,用户问、模型答属于一轮对话。灰色横线表示上下文无联系。
 2. 对话日志转样本时,只会将首轮输入的语句转为对话样本。首轮是指没有上文时输入的语句。

上一篇
快速上手
下一篇
常见问题