Quando l'agente viene addestrato, Dialogflow utilizza i dati di addestramento per creare modelli di machine learning specifici per l'agente. Questi dati di addestramento sono costituiti principalmente da intent, frasi di addestramento degli intent ed entità a cui si fa riferimento in un agente, che vengono utilizzati in modo efficace come etichette dei dati di machine learning. Tuttavia, i modelli degli agenti vengono creati utilizzando le risposte ai prompt dei parametri, le impostazioni degli agenti e molti altri dati associati all'agente.
Ogni volta che modifichi l'agente, devi assicurarti che sia addestrato prima di tentare di utilizzarlo. A seconda delle impostazioni dell'agente, l'addestramento può avvenire automaticamente o manualmente.
Puoi anche utilizzare lo strumento di addestramento per analizzare e importare i dati delle conversazioni reali, e per migliorare i dati di addestramento.
Addestramento automatico dell'agente in bozza
Per impostazione predefinita, l'addestramento dell'agente in bozza viene eseguito automaticamente ogni volta che aggiorni e salvi l'agente dalla console. Le finestre di dialogo popup mostreranno lo stato di questo addestramento.
Tuttavia, l'aggiornamento dell'agente con l'API non attiva l'addestramento automatico.
Addestramento manuale dell'agente in bozza
Puoi aggiornare le impostazioni di ML dell'agente per disattivare l'addestramento automatico per un agente in bozza.
Se l'agente ha più di 780 intent o se hai disattivato l'impostazione di addestramento automatico, devi eseguire l'addestramento manualmente.
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 creata una nuova versione dell'agente, questa 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 il
tipo Version
per creare una nuova versione dell'agente.
Strumento di addestramento
Lo strumento di addestramento viene utilizzato per esaminare gli input degli utenti finali inviati all'agente e per migliorare i dati di addestramento. Utilizzando lo strumento, puoi:
- Esaminare gli input degli utenti finali reali e gli intent che corrispondono a ogni turno conversazionale con il modello dell'agente corrente.
- Aggiungere le espressioni degli utenti finali di queste conversazioni alle frasi di addestramento degli intent corrispondenti, di intent diversi o di intent di riserva.
- Importare le espressioni degli utenti finali che hai preparato o acquisito dalle conversazioni reali.
Lo strumento utilizza i dati della cronologia degli agenti per caricare le conversazioni, pertanto la registrazione delle interazioni deve essere attivata per utilizzare lo strumento. Lo strumento di addestramento mostra solo le espressioni degli utenti finali. Per visualizzare i dati delle conversazioni degli agenti e degli utenti finali, consulta la cronologia degli agenti più completa.
Per aprire lo strumento di addestramento:
- Vai alla console di Dialogflow ES.
- Seleziona l'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. Si tratta di un elenco delle conversazioni recenti in ordine cronologico inverso. Ogni riga dell'elenco fornisce un riepilogo di una conversazione. La tabella seguente descrive ciascuno degli elementi dell'interfaccia utente:
| Elemento dell'interfaccia utente | Descrizione |
|---|---|
| Conversazione | La prima espressione dell'utente finale nella conversazione. |
| Data | La data in cui è avvenuta o è stata importata la conversazione. |
| refresh | Quando una conversazione viene utilizzata per aggiornare i dati di addestramento (come descritto di seguito), l'indicatore di stato della riga mostra un segno di spunta verde. |
Visualizzazione addestramento
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 conversazionali 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. Al termine della creazione delle attività, fai clic sul pulsante Approva per eseguire tutte le attività in coda. Una volta approvate, devi addestrare manualmente l'agente.
La tabella seguente descrive ciascuno degli elementi dell'interfaccia utente:
| Elemento dell'interfaccia utente | Descrizione |
|---|---|
| Data | La data in cui è avvenuta o è stata importata la conversazione. |
| Richieste | Il numero di righe della conversazione. |
| Nessuna corrispondenza | Il numero di righe per le quali non è stato trovato alcun intent. |
| L'utente dice | L'espressione dell'utente finale per la riga. |
| Intent | L'intent per questa riga corrisponde al modello dell'agente corrente. 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 all'intent attualmente selezionato. L'icona diventa verde quando un'attività viene messa 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. Viene creato un esempio negativo. L'icona diventa arancione quando un'attività viene messa in coda. |
| delete | Mette in coda un'attività per eliminare la riga. L'icona diventa rossa quando un'attività viene messa in coda. |
| Approva | Esegue le attività in coda per tutte le righe. |
Annotazioni
Quando esamini una conversazione nella visualizzazione di addestramento, le espressioni degli utenti finali mostrano le entità corrispondenti come annotazioni evidenziate annotazioni. Per aggiungere o modificare un'annotazione:
- Fai clic su un'annotazione o seleziona le parole che vuoi annotare.
- Scegli un'entità esistente dal menu.
Importare le conversazioni
Puoi importare i file di dati delle conversazioni che hai preparato o acquisito nello strumento di addestramento. 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 detect intent, pertanto non vengono attivati contesti e non vengono trovati intent corrispondenti.
- Un singolo file di testo o un archivio ZIP che può contenere fino a 10 file di testo.
- Un singolo caricamento non può superare i 3 MB.
- I file devono contenere solo espressioni degli utenti finali delimitate da caratteri di nuova riga.
- Idealmente, i file devono includere solo i dati utili come frasi di addestramento.
- L'ordine delle espressioni degli utenti finali 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 addestramento è disponibile solo per la
globalregione. - Lo strumento di addestramento non prende in considerazione l'impostazione Soglia di classificazione ML per la corrispondenza degli intent. Potresti vedere intent diversi corrispondenti in fase di runtime e nello strumento di addestramento, anche se il modello dell'agente non è cambiato.
- Gli input degli utenti finali contenenti valori dei parametri
obbligatori potrebbero non corrispondere agli intent previsti nello strumento di addestramento,
mentre corrispondono correttamente in fase di runtime. Questo può accadere nelle seguenti situazioni:
- Non sono presenti frasi di addestramento annotate in quell'intent.
- L'input è significativamente diverso dalle frasi di addestramento.
Best practice
Utilizzare lo strumento di addestramento in varie fasi di sviluppo
Utilizza lo strumento di addestramento in varie fasi dello sviluppo dell'agente e perfeziona i dati di addestramento in ogni fase:
- Prima di rilasciare l'agente in produzione, testalo con un piccolo gruppo di utenti.
- Poco dopo il rilascio dell'agente in produzione, esamina se le conversazioni reali si comportano come previsto.
- Ogni volta che apporti modifiche significative all'agente, verifica che le nuove modifiche si comportino come previsto.
- Esegui periodicamente lo strumento per gli agenti di produzione per eseguire analisi regolari.
Importare dati di qualità
Le seguenti origini dati possono spesso essere utili:
- Log delle conversazioni con agenti del servizio clienti umani.
- Conversazioni di assistenza clienti online (email, forum, domande frequenti).
- Domande dei clienti sui social media.
Dovresti evitare i seguenti tipi di dati:
- Espressioni degli utenti finali in formato lungo e non conversazionale.
- Espressioni degli utenti finali che non sono pertinenti a nessuno degli intent dell'agente.
- Log di elementi non detti dagli utenti finali (ad esempio, risposte degli agenti del servizio clienti).