Rozwiązywanie problemów z odpowiedziami Qlik Answers za pomocą śladu rozumowania | Qlik Cloud Pomoc
Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Rozwiązywanie problemów z odpowiedziami Qlik Answers za pomocą śladu rozumowania

Ślad rozumowania pokazuje kroki, które Qlik Answers podjął w celu przetworzenia pytania i wygenerowania odpowiedzi. Przeglądanie śladu pomaga zweryfikować, czy użyto prawidłowych danych, i zidentyfikować miejsca wymagające poprawy, gdy odpowiedź nie jest zgodna z oczekiwaniami.

Użytkownikom Qlik Answers może to pomóc w walidacji pytań lub stanowić wskazówkę przy zadawaniu pytań uzupełniających. Właścicielom treści, takich jak asystenci i aplikacje, może to pomóc w sprawdzeniu, czy dane aplikacji lub bazy wiedzy dostarczają odpowiedzi zgodnie z oczekiwaniami, lub czy konieczne jest wprowadzenie ulepszeń.

Uzyskiwanie dostępu do śladu rozumowania

Gdy Qlik Answers zwróci odpowiedź, kliknij Wyświetl źródło pod odpowiedzią, a następnie kliknij Pokaż rozumowanie. Ślad rozwinie się, pokazując każdy krok wykonany przez potok.

Zrozumienie struktury śladu

Ślad rozumowania to dziennik uruchomionych agentów i podjętych przez nich decyzji. Zaangażowani agenci oraz to, ile razy każdy z nich jest uruchamiany, zależą od zadanego pytania i źródeł danych skonfigurowanych w aplikacji. Ślad nie ma stałej sekwencji. Proste pytanie może angażować mniejszą liczbę agentów, podczas gdy złożone, wieloczęściowe pytanie może wywoływać tego samego agenta kilka razy przed wygenerowaniem ostatecznej odpowiedzi.

W śladzie mogą pojawić się następujący agenci:

  • Agent odpowiedzi

  • Agent analityka danych

  • Agent bazy wiedzy

Agent odpowiedzi

Agent odpowiedzi pojawia się na początku i na końcu każdego śladu. Na początku odczytuje pytanie, określa, jakie źródła danych są potrzebne, i kieruje pracę do odpowiednich agentów specjalistycznych. Na końcu składa wyniki cząstkowe w ostateczną odpowiedź wyświetlaną użytkownikowi.

Początkowy blok Agenta odpowiedzi opisuje, jak agent zrozumiał pytanie.

Rozumowanie Agenta odpowiedzi

Rozumowanie Agenta odpowiedzi na pytanie użytkownika.

Sprawdź, czy temat i wszelkie encje zostały poprawnie zidentyfikowane. Jeśli agent błędnie odczyta pytanie na tym etapie, agenci specjalistyczni na dalszych etapach będą wysyłać zapytania w niewłaściwym kontekście.

Agent analityka danych

Agent analityka danych obsługuje pytania dotyczące danych ustrukturyzowanych. Przeszukuje model danych pod kątem odpowiednich pól i miar, buduje wyrażenia obliczeniowe i tworzy obiekty wykresów, które pojawiają się w odpowiedzi.

W przypadku złożonych pytań Agent analityka danych może pojawić się w śladzie więcej niż raz. Na przykład może wykonać pierwszy przebieg w celu odkrycia pól, drugi przebieg w celu sprawdzenia, czy określona wartość istnieje w danych, i trzeci przebieg w celu zbudowania wizualizacji.

Agent bazy wiedzy

Agent bazy wiedzy obsługuje pytania dotyczące nieustrukturyzowanych treści, takich jak dokumenty wewnętrzne, transkrypcje spotkań, notatki lub pliki PDF połączone z aplikacją jako źródło danych bazy wiedzy.

Gdy pytanie wymaga zarówno danych ustrukturyzowanych, jak i nieustrukturyzowanych, Agent odpowiedzi kieruje pracę zarówno do Agenta bazy wiedzy, jak i Agenta analityka danych. Każdy agent zwraca swoje wyniki niezależnie, a Agent odpowiedzi łączy je w ostatecznej odpowiedzi.

Jeśli użytkownik zada pytanie, które wyraźnie odnosi się do dokumentu lub spotkania, a Agent bazy wiedzy nie pojawi się w śladzie, sprawdź, czy źródło danych bazy wiedzy jest połączone z aplikacją i czy treść została zindeksowana.

Agent podsumowujący

Agent podsumowujący obsługuje pytania dotyczące nieustrukturyzowanych treści w bazach wiedzy, gdy:

  • Użytkownicy proszą o podsumowanie lub rozbicie dostępnych nieustrukturyzowanych źródeł w bazach wiedzy używanych przez asystenta.

  • Użytkownicy proszą o podsumowanie określonego nieustrukturyzowanego źródła w bazie wiedzy używanej przez asystenta.

Agent podsumowujący dostarcza podsumowania dostępnych nieustrukturyzowanych źródeł i ich zawartości.

Odczytywanie wyników podobieństwa

Najważniejszą sekcją każdego śladu są dane wyjściowe odkrywania pól wewnątrz Agenta analityka danych. Ta sekcja zawiera listę każdego pola i elementu głównego, które agent wziął pod uwagę, wraz z wynikiem podobieństwa dla każdego z nich.

Master Measures: [No of Orders] measure, similarity: 0.91 [Net Sales] measure, similarity: 0.881 [Discount Amount] measure, similarity: 0.855 Fields: [Sale_Date] date, similarity: 0.887 [Brand] dimension, similarity: 0.83 [Order_Number] identifier, similarity: 0.845 [Model] dimension, similarity: 0.809

Wynik podobieństwa wskazuje, jak dobrze wyszukiwanie semantyczne dopasowało pole lub element główny do pytania użytkownika. Agent używa pól i elementów głównych o najwyższych wynikach do zbudowania odpowiedzi. Jeśli pole lub element główny, którego użycia oczekiwano, nie znajduje się na liście lub jest obecne, ale uzyskało niższy wynik niż konkurencyjne pole lub element główny, odpowiedź prawdopodobnie została zbudowana przy użyciu innych danych niż zamierzono.

Interpretacja wyników

Wynik Co to oznacza
0,88 i więcej Silne dopasowanie. Agent jest pewien, że to pole lub element główny jest istotne dla pytania.
0,82 – 0,87 Dobre dopasowanie. Pole lub element główny jest niezawodnie wybierane dla większości pytań tego typu.
0,75 – 0,81 Umiarkowane dopasowanie. Pole lub element główny może zostać wybrane, ale konkurencyjne pole lub element główny z wyższym wynikiem może mieć pierwszeństwo.
Poniżej 0,75 Słabe dopasowanie. Pole lub element główny prawdopodobnie nie zostanie użyte lub może zostać zastąpione mniej trafnym polem lub elementem głównym.

Na co zwrócić uwagę

Przeglądając listę pól i elementów głównych, sprawdź następujące kwestie:

  • Czy zamierzone pole lub element główny jest obecne?

    Jeśli całkowicie go brakuje, etykieta i opis pola lub elementu głównego mogą nie pasować do języka użytego w pytaniu.

  • Czy zamierzone pole lub element główny ma wyższy wynik niż konkurencyjne pola lub elementy główne?

    Jeśli inne pole lub element główny uzyskało wyższy wynik i zostało użyte zamiast niego, odpowiedź może wydawać się poprawna, ale opierać się na niewłaściwych danych.

  • Czy na liście znajdują się pola lub elementy główne, których nie powinno tam być?

    Pole lub element główny, które uzyskuje nieoczekiwanie wysoki wynik, może odciągać uwagę od właściwego pola lub elementu głównego.

Pola i elementy główne najważniejsze dla udzielania odpowiedzi na pytania użytkowników powinny konsekwentnie uzyskiwać wyższe wyniki niż jakiekolwiek inne pola i elementy główne, z którymi agent mógłby je pomylić.

Poprawa wyników podobieństwa

Wyniki podobieństwa są obliczane na podstawie nazw, opisów i metadanych pól i elementów głównych. Ich poprawa bezpośrednio podnosi wynik dla odpowiednich pytań.

Aktualizacja metadanych pól i elementów głównych

  1. W swojej aplikacji otwórz Menedżer danych lub Edytor ładowania danych.

  2. Znajdź pole lub element główny z niskim lub brakującym wynikiem podobieństwa.

  3. Zaktualizuj nazwę pola lub elementu głównego, aby używać prostego języka biznesowego, który odzwierciedla sposób, w jaki użytkownicy będą o nie pytać.

    W przypadku Menedżer danych, zobacz Edytowanie tabeli

    W przypadku Edytor ładowania danych, zobacz Zmiana nazw pól.

    W przypadku elementów głównych, zobacz:

  4. Dodaj lub rozwiń opis elementu głównego, aby jasno wyjaśnić, co zawiera element główny, jaką koncepcję biznesową reprezentuje i kiedy należy go używać. Zobacz:

  5. Przeładuj aplikację.

  6. Zadaj to samo pytanie ponownie i otwórz ślad rozumowania, aby sprawdzić, czy wynik uległ poprawie.

Pole o nazwie NETWR bez opisu uzyska znacznie niższy wynik niż pole z etykietą Kwota sprzedaży netto z opisem o treści „Całkowity przychód z zakończonych transakcji sprzedaży, po uwzględnieniu rabatów”. Im dokładniej metadane odzwierciedlają naturalny język biznesowy, tym wyższy wynik uzyska pole, gdy użytkownicy zadadzą odpowiednie pytania.

Rozwiązywanie konfliktów pól i elementów głównych

Gdy dwa pola lub elementy główne obejmują podobne koncepcje i konkurują o to samo zapytanie, agent wybiera to z wyższym wynikiem. Jeśli używane jest niewłaściwe pole lub element główny, należy je poprawić.

  1. Przejrzyj metadane dla obu pól lub elementów głównych.

  2. Spraw, aby nazwa i opis zamierzonego pola lub elementu głównego były bardziej szczegółowe i bardziej bezpośrednio dostosowane do terminu biznesowego, którego szukają użytkownicy.

    W przypadku nazw pól:

    W przypadku Menedżer danych, zobacz Edytowanie tabeli

    W przypadku Edytor ładowania danych, zobacz Zmiana nazw pól.

    W przypadku elementów głównych edytuj nazwę lub opis. Zobacz:

  3. Jeśli konkurencyjne pole lub element główny jest mniej trafne, zaktualizuj jego nazwę lub opis, aby dokładniej odzwierciedlały jego rzeczywisty zakres, dzięki czemu uzyska niższy wynik w przypadku niepowiązanych zapytań.

Diagnozowanie błędnej lub niepełnej odpowiedzi

Skorzystaj z poniższych wskazówek, gdy odpowiedź z Qlik Answers nie jest zgodna z oczekiwaniami.

W odpowiedzi użyto niewłaściwego pola lub elementu głównego

  1. Otwórz ślad rozumowania i zlokalizuj dane wyjściowe odkrywania pól w Agencie analityka danych.

  2. Znajdź pole lub element główny, które zostało użyte, i zanotuj jego wynik podobieństwa.

  3. Znajdź pole lub element główny, którego użycia oczekiwano. Jeśli znajduje się na liście, porównaj jego wynik z wybranym polem lub elementem głównym.

  4. Jeśli zamierzone pole lub element główny uzyskało niższy wynik, zaktualizuj jego nazwę lub opis, aby poprawić jego trafność w stosunku do pytania.

    W przypadku elementów głównych edytuj opis. Zobacz:

  5. Jeśli zamierzonego pola lub elementu głównego w ogóle nie ma na liście, przejrzyj jego nazwę i opis. Prawdopodobnie jest opisane w terminach technicznych, które nie pasują do sposobu, w jaki użytkownicy formułują pytania.

Pola lub elementu głównego całkowicie brakuje na liście

  1. Otwórz dane wyjściowe odkrywania pól w śladzie.

  2. Potwierdź, że pole lub element główny istnieje w modelu danych.

  3. Jeśli używasz modelu logicznego logiki biznesowej, potwierdź, że pole lub element główny nie jest rozgrupowane.

  4. Przejrzyj nazwę i opis pola lub elementu głównego.

    Jeśli któregoś z nich brakuje lub używa wewnętrznych konwencji nazewnictwa (takich jak kody pól SAP dla pól), dodaj nazwę i opis w prostym języku.

    Zobacz:

  5. Przeładuj aplikację i ponownie uruchom pytanie, aby sprawdzić, czy pole lub element główny pojawia się teraz w śladzie.

Odpowiedź jest poprawna, ale niepełna

Dane wyjściowe planowania Agenta analityka danych opisują, które wykresy zostały zbudowane i które wymiary zostały wybrane. Jeśli na planowanych wykresach brakuje wymiaru lub miary, ich wynik podobieństwa był prawdopodobnie wystarczająco wysoki, aby pojawić się na liście pól i elementów głównych, ale poniżej progu wyboru wykresu. Poprawa powiązanych metadanych pola lub elementu głównego podniesie je powyżej progu wyboru.

Narracja i wykres pokazują różne liczby

Ostateczna synteza Agenta odpowiedzi zawiera ujęte w nawiasy identyfikatory dowodów, które łączą każde twierdzenie w tekście z obiektem wykresu, z którego pochodzi. Na przykład:

Brand 1 sold 24 vehicles generating total revenue of $1,584,041.82 [d1f09de1-4a5a...]

Jeśli liczba w tekście nie pasuje do wykresu, synteza odwoływała się do innego obiektu wykresu niż ten wyświetlany. Zlokalizuj obiekt, do którego się odwołano, używając identyfikatora, i porównaj jego wyrażenie z widocznym wykresem.

Odniesienie: Agenci i ich role

Agenci Qlik Answers
Agent Kiedy się pojawia Co zweryfikować
Agent odpowiedzi (otwierający) Zawsze Zidentyfikowano prawidłowy temat pytania i encje.
Agent analityka danych Gdy potrzebne są dane ustrukturyzowane

Znaleziono prawidłowe pola i elementy główne.

Wyniki podobieństwa dla kluczowych pól i elementów głównych wynoszą powyżej 0,82.

Agent bazy wiedzy Gdy potrzebne są nieustrukturyzowane treści

Pobrano prawidłowy dokument lub notatkę.

Źródło bazy wiedzy jest połączone i zindeksowane.

Agent podsumowujący Podczas podsumowywania zindeksowanych plików w bazach wiedzy

Wybrano prawidłowy plik.

Typ podsumowania jest zgodny z żądaniem.

Agent odpowiedzi (zamykający) Zawsze

Ostateczna odpowiedź prawidłowo składa wyniki od wszystkich agentów.

Identyfikatory dowodów pasują do widocznych wykresów.

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać!