Sie können den Unterhaltungsverlauf nach BigQuery exportieren. Nach der Konfiguration wird der gesamte Live-Unterhaltungsverlauf in Ihre BigQuery-Tabelle geschrieben. So erhalten Sie erweiterte Analysetools, mit denen Sie Ihren Agenten debuggen und verbessern sowie Muster in Unterhaltungsdaten erkennen können.
Beschränkungen
Es gelten folgende Einschränkungen:
- Pro Unterhaltung können maximal 500 Runden exportiert werden.
Projektübergreifende Berechtigungen
Wenn sich Ihr Dialogflow-Agent und Ihre BigQuery-Daten nicht im selben Projekt befinden, muss das mit Ihrem Dialogflow-Projekt Google Cloud verknüpfte Dienstkonto auch die IAM-Berechtigung roles/bigquery.dataEditor für das BigQuery-Dataset in Ihrem BigQuery-Projekt Google Cloud haben.
Dienstkontoformat: service-<dialogflow-project-number>@gcp-sa-dialogflow.iam.gserviceaccount.com
Der Nutzer, der den Export in Dialogflow konfiguriert, muss Berechtigungen für das BigQuery-Projekt haben. Andernfalls wird das BigQuery-Projekt nicht als Option in der Dialogflow-Konsole angezeigt.
Die Mindestberechtigung, die für das BigQuery-Projekt erforderlich ist, damit der Nutzer es in Dialogflow sehen kann, ist resourcemanager.projects.get.
Alternativ können Sie eine der folgenden vordefinierten Google Cloud -Rollen zuweisen, die diese Berechtigung enthalten, aber nicht erfordern, dass der Nutzer Zugriff auf das BigQuery-Dataset hat: roles/browser oder roles/bigquery.metadataViewer.
Tabellenbeschreibung
Jede Zeile der Tabelle enthält einen Gesprächsbeitrag mit den folgenden Spalten:
| Spalte | Typ | Beschreibung |
|---|---|---|
| project_id | STRING | Die Projekt-ID. |
| agent_id | STRING | Die Agenten-ID. |
| conversation_name | STRING | Der vollständig qualifizierte Ressourcenname für die Sitzung. |
| turn_position | INTEGER | Die Nummer der Unterhaltungsrunde. |
| request_time | TIMESTAMP | Der Zeitpunkt der Unterhaltungsrunde. |
| language_code | STRING | Das Sprach-Tag. |
| Anfrage | JSON | Die Anfrage zur Intent-Erkennung. |
| Antwort | JSON | Die Antwort auf die Intent-Erkennung. |
| partial_responses | JSON | Teilantworten, falls zutreffend. |
| derived_data | JSON | Zusätzliche Metadaten für diesen Gesprächsbeitrag. |
| conversation_signals | JSON | NLU-bezogene Analysedaten. Das JSON-Schema finden Sie unter ConversationSignals. |
| bot_answer_feedback | JSON | Answer feedback, falls vorhanden. |
Konfiguration
So konfigurieren Sie den Export des Unterhaltungsverlaufs:
- Achten Sie darauf, dass der Unterhaltungsverlauf aktiviert ist.
- Folgen Sie der Anleitung zum Erstellen von BigQuery-Datasets, um ein Dataset zu erstellen. Notieren Sie sich den Namen des Datasets, da Sie ihn im nächsten Schritt benötigen.
Folgen Sie der Anleitung zum Erstellen von Tabellen in BigQuery, um eine Tabelle mit einer SQL-Schemadefinition zu erstellen. Verwenden Sie die folgende SQL-Anweisung für die Erstellung:
CREATE TABLE <your_dataset_name>.dialogflow_bigquery_export_data( project_id STRING, agent_id STRING, conversation_name STRING, turn_position INTEGER, request_time TIMESTAMP, language_code STRING, request JSON, response JSON, partial_responses JSON, derived_data JSON, conversation_signals JSON, bot_answer_feedback JSON );Konfigurieren Sie die Agent-Einstellungen, um den BigQuery-Export zu aktivieren und die oben erstellten Dataset- und Tabellennamen anzugeben.