Quando l'agente è addestrato, Dialogflow utilizza i dati di addestramento per creare modelli di machine learning in modo specifico per il tuo agente. Questi dati di addestramento sono costituiti principalmente da intent, frasi di addestramento per intenzione, e le entità a cui viene fatto riferimento in un agente; utilizzate in modo efficace come etichette dati per il machine learning. Tuttavia, i modelli di agente vengono creati le risposte ai prompt dei parametri, le impostazioni dell'agente e molti altri dati associati all'agente.
Ogni volta che cambi l'agente, devi assicurarti che l'agente sia stato addestrato prima di tentare di utilizzarlo. A seconda delle impostazioni dell'agente, l'addestramento può avvenire in modo automatico o manuale.
Puoi anche utilizzare lo strumento di addestramento per analizzare e importare i dati effettivi delle conversazioni e migliorare i dati di addestramento.
Addestramento automatico dell'agente in versione bozza
Per impostazione predefinita, e la formazione degli agenti agente in versione bozza viene eseguita automaticamente ogni volta che aggiorni e salvi l'agente dalla console. Le finestre di dialogo popup mostrano lo stato dell'addestramento.
Tuttavia, l'aggiornamento dell'agente con l'API non attiva l'addestramento automatico.
Addestramento manuale dell'agente in bozza
Puoi aggiornare le impostazioni ML dell'agente per disattivare l'addestramento automatico di un agente di bozza.
Se l'agente ha più di 780 intent, o, se hai disattivato l'impostazione di addestramento automatico, devi eseguire manualmente l'addestramento.
Per addestrare manualmente un agente dalla console, fai clic sul pulsante Addestra nelle impostazioni di ML.
Per addestrare manualmente un agente con l'API, chiama il metodo train sul tipo Agent.
Addestramento automatico della versione dell'agente
Ogni volta che viene versione agente la nuova versione dell'agente viene addestrata automaticamente.
Per creare una nuova versione dell'agente dalla console, fai clic sul pulsante Pubblica una versione nella scheda Ambienti.
Per creare una nuova versione dell'agente con l'API,
chiama il metodo create per
Tipo di versione
per creare una nuova versione dell'agente.
Strumento di formazione
Lo strumento di formazione viene utilizzato per rivedere gli input degli utenti finali inviati all'agente. e per migliorare i dati di addestramento. Con questo strumento puoi:
- Esamina gli input effettivi degli utenti finali e gli scopi abbinati per ogni turno di conversazione con il modello di agente corrente.
- Aggiungi le espressioni utente finali di queste conversazioni alle frasi di addestramento degli intent corrispondenti, di intent diversi o di intent di riserva.
- Importa le espressioni degli utenti finali che hai preparato o acquisito da conversazioni reali.
Lo strumento utilizza i dati della cronologia dell'agente per caricare le conversazioni, pertanto per utilizzarlo è necessario attivare il registro delle interazioni. Lo strumento di addestramento mostra solo le espressioni degli utenti finali. Per visualizzare i dati delle conversazioni dell'agente e dell'utente finale, visualizzare una cronologia più completa degli agenti.
Per aprire lo strumento di addestramento:
- Vai alla console di Dialogflow ES.
- Seleziona il tuo agente nella parte superiore del menu della barra laterale sinistra.
- Fai clic su Addestramento nel menu della barra laterale sinistra.
Elenco conversazioni
Quando apri lo strumento, viene visualizzato l'elenco delle conversazioni. Questo è un elenco delle conversazioni recenti in ordine cronologico inverso. Ogni riga dell'elenco fornisce un riepilogo di una conversazione. Nella tabella seguente sono descritti tutti gli elementi dell'interfaccia utente:
| Elemento UI | Descrizione |
|---|---|
| Conversazione | La prima espressione dell'utente finale nella conversazione. |
| Data | La data in cui è avvenuta la conversazione o in cui è stata importata. |
| refresh | Quando viene utilizzata una conversazione per aggiornare i dati di addestramento (come descritto di seguito), l'indicatore di stato della riga mostra un segno di spunta verde. |
Visualizzazione della formazione
Quando fai clic su una riga nell'elenco delle conversazioni, la conversazione si apre nella visualizzazione di addestramento. La visualizzazione di addestramento mostra un elenco di turni di conversazione e fornisce controlli per aggiungere questi dati ai dati di addestramento.
Quando modifichi i dati visualizzati o fai clic su un pulsante di attività a destra, crei attività di aggiornamento dei dati di addestramento che vengono messe in coda per il salvataggio. Dopo aver creato le attività, fai clic sul pulsante Approva per eseguire tutte le attività in coda. Una volta approvata, dovresti addestrare manualmente l'agente.
Nella tabella seguente sono descritti tutti gli elementi dell'interfaccia utente:
| Elemento UI | Descrizione |
|---|---|
| Data | La data in cui è avvenuta la conversazione o in cui è stata importata. |
| Richieste | Il numero di righe per la conversazione. |
| Nessuna corrispondenza | Il numero di righe per le quali non è presente alcuna corrispondenza con un'intenzione. |
| User Says | L'espressione dell'utente finale per la riga. |
| Intent | L'intent per questa riga corrisponde al modello di agente attuale. Puoi fare clic sul link per modificare l'intent associato in un intent nuovo o esistente. |
| check | Mette in coda un'attività per aggiungere l'espressione dell'utente finale per la riga come frase di addestramento per l'intent attualmente selezionato. L'icona diventa verde quando un'attività è in coda. |
| block | Mette in coda un'attività per aggiungere l'espressione dell'utente finale per la riga come frase di addestramento all'intent di riserva predefinito. In questo modo viene creato un esempio di esclusione. L'icona diventa arancione quando un'attività è in coda. |
| delete | Mettere in coda un'attività per eliminare la riga. L'icona diventa rossa quando un'attività è in coda. |
| Approva | Esegue le attività in coda per tutte le righe. |
Annotazioni
Quando esamini una conversazione nella visualizzazione di addestramento, le espressioni dell'utente finale mostrano le entità corrispondenti come annotazioni evidenziate. Per aggiungere o modificare un'annotazione:
- Fai clic su un'annotazione o seleziona le parole da annotare.
- Scegli un'entità esistente dal menu.
Importa conversazioni
Puoi importare i file di dati delle conversazioni che hai preparato o acquisito nello strumento di formazione. L'importazione delle conversazioni può essere utilizzata per migliorare un agente esistente. Per caricare una conversazione, fai clic sul pulsante Carica nella parte superiore della pagina. Poi puoi analizzare questi dati per aggiungerli ai dati di addestramento come descritto sopra.
Di seguito sono descritti il formato dei contenuti dei file, le relative limitazioni, e i risultati:
- Ogni file caricato genera una singola conversazione nello strumento di addestramento.
- Le richieste non vengono inviate all'API di rilevamento dell'intenzione, pertanto non vengono attivati concetti e non viene trovata alcuna corrispondenza con gli intent.
- Un singolo file di testo o un archivio ZIP che può contenere fino a 10 file di testo.
- Un caricamento non può superare i 3 MB.
- I file devono contenere solo espressioni per l'utente finale delimitate da interruzioni di riga.
- Idealmente, i file devono includere solo i dati utili come frasi di addestramento.
- L'ordine delle espressioni dell'utente finale non è importante.
Ecco un file di esempio:
I want information about my account. What is my checking account balance? How do I transfer money to my savings account?
Limitazioni
- Lo strumento di formazione è disponibile solo per la regione
global. - Lo strumento di addestramento non prende in considerazione l'impostazione Soglia di classificazione ML per la corrispondenza dell'intenzione. Potresti visualizzare intent diversi corrispondenti in fase di esecuzione e nello strumento di addestramento, anche se il modello dell'agente non è cambiato.
- Input dell'utente finale contenenti il valore required
i valori dei parametri potrebbero non corrispondere agli intent previsti nello strumento di addestramento,
e la corrispondenza è corretta in fase di runtime. Questo può accadere nel
le seguenti situazioni:
- Non sono presenti frasi di addestramento annotate in questo intento.
- L'input è notevolmente diverso dalle frasi di addestramento.
Best practice
Utilizzare lo strumento di formazione in varie fasi dello sviluppo
Utilizza lo strumento di addestramento nelle varie fasi di sviluppo dell'agente e perfeziona i dati di addestramento in ogni fase:
- Prima di rilasciare l'agente in produzione, effettua il test con un piccolo gruppo di utenti.
- Poco dopo il rilascio dell'agente in produzione, verificare se le conversazioni reali si comportano come previsto.
- Ogni volta che vengono apportate modifiche significative all'agente, per verificare che le nuove modifiche si comportino come previsto.
- Esegui lo strumento periodicamente per gli agenti di produzione per eseguire analisi regolari.
Importa dati sulla qualità
Di seguito sono riportate alcune fonti di dati spesso utili:
- Log delle conversazioni con agenti dell'assistenza clienti umani.
- Conversazioni con l'assistenza clienti online (email, forum, domande frequenti).
- Domande dei clienti sui social media.
Dovresti evitare i seguenti tipi di dati:
- Espressioni dell'utente finale nel formato lungo e non conversazionale.
- Espressioni dell'utente finale non pertinenti a nessuno degli intent nel tuo agente.
- Log delle cose non pronunciate dagli utenti finali (ad esempio, le risposte degli agenti dell'assistenza clienti).