• system: Das System versucht, den relevantesten Text in der Antwort zu ermitteln, und hebt diese Wörter hervor.
• firstNChars: Die ersten Zeichen in der Antwort werden hervorgehoben. Die Anzahl der Zeichen wird durch den Wert der Eigenschaft highlightLength und die verbleibenden Zeichen im letzten hervorgehobenen Wort bestimmt.

metadata:
  platformVersion: "1.0"
main: true
name: "FinancialBotMainFlow"
context:
  variables:
    iResult: "nlpresult"
    iResult2: "nlpresult"
    transaction: "string"
    faqstring1: "string"
    faqstring2: "string"
states:

  ...  
  
  setVariable:
    component: "System.SetVariable"
    properties:
      variable: "faqstring1"
      value: "Tell me about family floater plan"

...

  intent2:
    component: "System.Intent"
    properties:
      variable: "iResult"
      sourceVariable: "faqstring1"
      qnaEnable: true
      qnaUseSourceVariable: true
    transitions:
      actions:
        Send Money: "sendMoney"
        Balances: "balances"
        unresolvedIntent: "unresolved"
        qna: "qna"

  sendMoney:
    component: "System.Output"
    properties:
      text: "send money"
    transitions:
      return: "sendMoney"

  balances:
    component: "System.Output"
    properties:
      text: "Balances"
    transitions:
      return: "balances"

  unresolved:
    component: "System.Output"
    properties:
      text: "Sorry I don't understand that question!"
    transitions:
      return: "unresolved"
  qna:
    component: "System.QnA"
    properties:
	    sourceVariable: "faqString1"
    transitions:
      actions:
        none: "unresolved"
      next: "intent2"

Die Eigenschaft keepTurn verhält sich unterschiedlich, je nachdem, wie der Benutzer von dem in der Komponente System.QnA definierten Status wechselt. Sie können konfigurieren, wie keepTurn den Benutzer durch den Ablauf weiterleitet, indem Sie einen booleschen Wert (true, false) oder eine Zuordnung von Schlüssel/Wert-Paaren verwenden.

Legt den Mindest- und Höchstprozentsatz von Token fest, die ein beliebiges Fragen-und-Antworten-Paar enthalten muss, um als Übereinstimmung zu gelten.

Um die besten Übereinstimmungen zurückzugeben, versehen wir die Äußerungen mit Token, die die Intent Engine als Fragen auflöst. Diese Token werden aus Wortstämmen und aus verschiedenen Wortkombinationen gebildet. Je nach Länge der Benutzernachricht kann der Prozess zahlreiche Tokengruppen generieren. Da es unwahrscheinlich ist, dass ein Fragen-und-Antworten-Paar mit allen Gruppen übereinstimmt, wird empfohlen, den Übereinstimmungsgrad auf 50%, 25% festzulegen.

Bei dieser Einstellung kann das Fragen-und-Antworten-Paar als relevant betrachtet werden, wenn es mit 50 % der Token übereinstimmt. Wenn diese Höchststufe nicht erfüllt werden kann, reicht eine Mindeststufe von 25 % aus.

Wenn Sie die Wahrscheinlichkeit verringern möchten, dass eine relevante Übereinstimmung fehlt, und bei der Verarbeitung die Rückgabe irrelevanter Übereinstimmungen tolerierbar ist, können Sie einen niedrigeren Schwellenwert als Fallback hinzufügen. Beispiel: 50%,25%,10%.

Wenn Sie irrelevante Übereinstimmungen minimieren möchten, können Sie den Prozentsatz erhöhen (z.B. minimumMatch: "80%"). Dies kann jedoch zu unerwarteten Übereinstimmungen bei Nachrichten führen, die aus drei bis sieben Wörtern bestehen. Das heißt, Sie können die Genauigkeit der zurückgegebenen Fragen-und-Antworten-Paare für kurze und lange Benutzerabfragen optimieren.

Wichtig: Wenn Sie die Standardstufen beim Testen nicht verwenden möchten, müssen Sie die Eigenschaft QnaMinimumMatch und die Option Übereinstimmungsschwellenwerte des Fragen-und-Antworten-Batchtesters auf die für die Eigenschaft minimumMatch festgelegten Werte setzen. Informationen hierzu finden Sie unter Batchtest des Moduls "Fragen und Antworten".

• all
• categories
• questions
• answers
• categories+questions