数据集改怎么编写，才能让机器人命中数据集中的内容

[toxmc]

想知道数据集怎么使用，我关联了数据集，但是机器人回答的内容不是我数据集中设置的内容。能否提供一个数据集简单的示例，文档中的没看懂。说明下问题描述，问题答案是什么。谢谢

[lethe3000]

个人使用建议：

1. 对数据集的内容进行合理的分段，控制段落的字数和空行格式。这个你可以在segmentation settings的custom设置处进行相应的配置
2. 数据集各个文档的内容尽可能正交，即每个文档尽可能描述的是不同的领域，这样在进行index查询的时候，不会出现基于你的问题，匹配到的内容过多。
3. 可以的话尽量以Q&A的形式来组织文档内容，这样你跟机器人的问题就会有较高几率直接匹配到Q。这里的Q相当于是一个锚点，便于向量检索算法的相似度匹配。
   例如，我们的一个文档示例为

问题：设备初始化时，设备提示"与WI-Fi通信失败，请确认其正常工作"，应如何处理
答案：1. 近距离尝试热点排除设备问题，如果热点也存在该问题则需要售后协助排查。
2. 若热点没有问题，询问用户路由器和魔镜是否距离过远或者存在穿墙，过远则尽量调整位置，没穿墙改用5G频段减少干扰，穿墙了无法移动则使用2.4G频段增强穿墙能力。
3. 若用户不方便操作，可以建议客户联系运营商协助改善网络环境

[takatost]

想知道数据集怎么使用，我关联了数据集，但是机器人回答的内容不是我数据集中设置的内容。能否提供一个数据集简单的示例，文档中的没看懂。说明下问题描述，问题答案是什么。谢谢

不好意思让您误解了，这块我们初期是开放出来给多数据集 Agent 用的，但是因为耗费时间比较长，体验不好目前禁用了，后期调整好了再放开。

[takatost]

个人使用建议：

1. 对数据集的内容进行合理的分段，控制段落的字数和空行格式。这个你可以在segmentation settings的custom设置处进行相应的配置
2. 数据集各个文档的内容尽可能正交，即每个文档尽可能描述的是不同的领域，这样在进行index查询的时候，不会出现基于你的问题，匹配到的内容过多。
3. 可以的话尽量以Q&A的形式来组织文档内容，这样你跟机器人的问题就会有较高几率直接匹配到Q。这里的Q相当于是一个锚点，便于向量检索算法的相似度匹配。
   例如，我们的一个文档示例为

问题：设备初始化时，设备提示"与WI-Fi通信失败，请确认其正常工作"，应如何处理
答案：1. 近距离尝试热点排除设备问题，如果热点也存在该问题则需要售后协助排查。
2. 若热点没有问题，询问用户路由器和魔镜是否距离过远或者存在穿墙，过远则尽量调整位置，没穿墙改用5G频段减少干扰，穿墙了无法移动则使用2.4G频段增强穿墙能力。
3. 若用户不方便操作，可以建议客户联系运营商协助改善网络环境

您说的没错，QA 数据集、元数据都是我们未来要补全的功能，您的建议非常好

[takatost]

回到最原始的问题，数据集一方面需要让分段尽可能的保证语意完整，每段尽可能正交，另一方面也需要针对可能出现的问题来优化数据集内容，使之权重更高，比如：
用户问公司几几年成立的？
但数据集中的内容是 "(2000 - 2023)" 这样的，在检索的时候就无法根据语意匹配到，或者匹配的权重不对，所以这边需要调整为：
"成立时间：2000年 - 2023 年"

[toxmc]

谢谢各位大佬的回复，尝试下成功了。

[linchen111]

谢谢各位大佬的回复，尝试下成功了。

请教下如何调整成功的