云服务器内容精选

  • 问答配置 通过关键词、推荐问题等配置,智能分析助手不仅能够提升处理问题的效率,还能确保回答的准确性和专业性。 表2 配置项说明 配置项 说明 关键词 配置问答问题中某些词语和句子的实际搜索内容,例如将“1-3月苹果的产量”的关键词“1-3月”的实际搜索内容配置为“大于等于1月且小于等于3月”,智能分析助手将能识别和理解用户提问中的不同表达方式。 关键词配置使智能分析助手能够识别并理解用户提问中的多样化表达,从而提升智能分析助手对问题的理解。 推荐问题 问答界面上方出现预置好的推荐问题,单击推荐问题即可快速提问。 推荐问题可以帮助用户快速进行问答,从而显著提高问答效率。 关联问题 智能分析助手返回结果时除了回答现有问题,会显示现有问题的关联问题及回答。 关联问题的配置旨在优化问答流程,通过预测用户可能存在的疑问,提前提供相关信息。 模板化见解 对重点问题进行配置模板化见解,在智能分析助手问答界面进行问答时,得到结构化和高质量的智能见解结果。 模板化见解的配置则确保了回答的标准化和一致性,有助于得到结构化和高质量的回答。
  • 数据说明 为保护用户的隐私和数据安全,所有数据均已进行了采样和脱敏。本例共计三个数据表:order_info_demo_01(订单表)、product_info_demo_02(商品信息表)user_info_demo_03(用户数据表),详细信息请参见表2。 表2 商品销售数据示例 表名称 字段名称 字段类型 字段说明 order_info_demo_01 id int ID编号 sale_price int 销售价格 profit int 利润 pay_time int 支付时间 create_time int 订单创建时间 product_info_demo_02 product_id int ID编号 product_name string 商品名称 product_type string 商品类型 product_color string 商品颜色 product_price string 商品价格 user_info_demo_03 id int ID编号 user_name int 用户名 age int 年龄 gender int 性别
  • 操作流程 图1 使用智能分析助手数据分析流程 表1 使用智能分析助手数据分析流程说明 序号 步骤 说明 1 新建项目空间 新建项目空间,后续所有的数据分析在该空间中展开,用便于数据管理。 2 接入数据源 数据源是数据分析的基础,成功接入数据源后才能进行数据分析。 3 新建数据集 数据集作为数据源和可视化展示的中间环节,承接数据源的输入,并为可视化展示提供输入。 4 创建智能分析助手 创建智能分析助手可以简化数据获取、图表制作等流程。 5 智能问答 在智能分析助手问答界面进行提问,智能分析助手将自动返回结果。 6 搭建仪表板 仪表板是 数据可视化 的关键工具,可以直观展示图表,使得数据洞察变得直观易懂。
  • 问题澄清 问题澄清是将存在歧义或者智能分析助手解析不了的问题进行一个澄清,对问题进行更明确的分析。 使用限制:输入问题存在歧义。 问题澄清使用示例:一份有关信用卡的数据。 在问答界面输入问题框输入问题:北京分行销售额。 图17 北京分行销售额 单击“问题澄清”,弹出问题澄清页面,页面展示可选结果。 图18 问题澄清 选择“一级行=北京”,单击“确定”,问答界面出现一级分行的数据。 图19 北京一级分行
  • 请求参数 表2 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token 是 String 用户Token。通过调用 IAM 服务获取IAM用户Token接口,接口返回的响应消息头中“X-Subject-Token”就是需要获取的用户Token。 最小长度:0 最大长度:8192 X-Workspace-Id 是 String 工作空间ID,即控制台的项目ID。 最小长度:0 最大长度:128 表3 请求Body参数 参数 是否必选 参数类型 描述 subject_id 是 String 智能分析助手ID。 最小长度:0 最大长度:128 dialog_id 是 String 对话ID。如果不想触发多轮问答能力,需每次调用请求时传入不同的dialog_id。 最小长度:0 最大长度:128 message_content 是 String 查询问题。 最小长度:0 最大长度:128 need_insight 否 Boolean 是否需要智能见解。
  • 响应示例 状态码: 200 nl-query请求返回体。 { "query_data" : [ [ { "caption" : "收入", "data_type" : "NUMBER", "level_type" : null, "cell_raw_value" : null, "cell_value" : "收入", "model_type" : "measure", "cell_converted_value" : null }, { "caption" : "收入", "data_type" : "NUMBER", "level_type" : null, "cell_raw_value" : "423xxx214.32", "cell_value" : "423xxx214.32", "model_type" : "measure", "cell_converted_value" : null } ] ], "sql_text" : "SELECT xxx AS xxx FROM xxx.xxx AS xxx", "insight" : "查询结果: 去年11月公司的收入为xxx。建议探索的方向:xxx。业务建议:xxx。" }
  • 请求示例 自然语言查数。 POST https://{endpoint}/v1/{project_id}/nl-query { "message_content" : "去年11月公司的收入是多少", "dialog_id" : "66xxxx02x5axxx9xx12fxxx9c2xxxx6d", "subject_id" : "xa4axxx4-9xx9-4xx2-9xxx-3axxxxf4a5c3" }