Sie können den Chatverlauf nach BigQueryexportieren. Nach der Konfiguration wird der gesamte Live-Chatverlauf in Ihre BigQuery-Tabelle geschrieben. So erhalten Sie erweiterte Analysetools, mit denen Sie Ihren Agenten debuggen und verbessern sowie Muster in den Chatdaten erkennen können.
Beschränkungen
Es gelten folgende Einschränkungen:
- Für jede Unterhaltung können maximal 500 Runden exportiert werden.
Berechtigungen für projektübergreifende Zugriffe
Wenn sich Ihr Dialogflow-Agent und Ihre BigQuery-Daten nicht im
selben Projekt befinden, muss das Dienstkonto
Ihres Dialogflow- Google Cloud Projekts auch die
roles/bigquery.dataEditor IAM-Berechtigung für das BigQuery-Dataset in
Ihrem BigQuery- Google Cloud Projekt haben.
Format des Dienstkontos: 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 in der Dialogflow-Konsole nicht als Option 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 Google Cloud vordefinierten 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 eine Unterhaltungsrunde mit den folgenden Spalten:
| Spalte | Typ | Beschreibung |
|---|---|---|
| project_id | STRING | Die Projekt-ID. |
| agent_id | STRING | Die Agent-ID. |
| conversation_name | STRING | Der vollständig qualifizierte Ressourcenname für die Sitzung. |
| turn_position | INTEGER | Die Nummer der Unterhaltungsrunde. |
| request_time | TIMESTAMP | Die Zeit der Unterhaltungsrunde. |
| language_code | STRING | Das Sprach-Tag. |
| request | JSON | Die Anfrage zur Intent-Erkennung. |
| response | JSON | Die Antwort zur Intent-Erkennung. |
| partial_responses | JSON | Teilantworten, falls zutreffend. |
| derived_data | JSON | Zusätzliche Metadaten für diese Unterhaltungsrunde. |
| conversation_signals | JSON | NLU-bezogene Analysedaten. Das JSON-Schema finden Sie unter ConversationSignals. |
| bot_answer_feedback | JSON | Antwort-Feedback, falls angegeben. |
Konfiguration
So konfigurieren Sie den Export des Chatverlaufs:
- Prüfen Sie, ob der Chatverlauf 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 BigQuery Tabellen , um eine Tabelle mit einer SQL-Schemadefinition zu erstellen. Verwenden Sie die folgende SQL-Anweisung zum Erstellen:
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 Ihre Agent-Einstellungen, um den BigQuery-Export zu aktivieren und die oben erstellten Dataset- und Tabellennamen anzugeben.