Résolution des chevauchements de définitions de données avec des significations similaires (bêta)

Améliorez la clarté du modèle en corrigeant proactivement les définitions similaires qui désorientent les agents IA. La fonctionnalité Significations similaires (bêta) utilise l’IA pour détecter les synonymes, les acronymes et les chevauchements sémantiques afin d’éviter toute ambiguïté. En analysant les étiquettes de champ, les descriptions et la sémantique des objets parents, l'outil identifie quand un modèle contient « deux noms pour une chose » ou « le même nom pour des choses différentes », des concepts qui conduisent souvent à un raisonnement imprécis de l'agent. Cette analyse approfondie permet de différencier les champs étroitement associés, ce qui aide les agents à interpréter correctement vos données et à fournir des réponses plus fiables.

Éditions requises

Remarque

Générer un modèle sémantique est un service pilote ou bêta soumis aux Conditions des services bêta dans Accords - Salesforce.com ou un document écrit Unified Pilot Agreement si exécuté par le Client, et aux conditions applicables énoncées dans le Répertoire des conditions du produit. L'utilisation de ce service pilote ou bêta est à la seule discrétion du client.

Afficher les éditions prises en charge.

Interagissez avec le panneau Optimiser le modèle pour gérer les chevauchements identifiés et améliorer la préparation à l'IA de votre modèle.

Exécution d'une analyse initiale

1. Dans la liste des actifs, sélectionnez votre modèle sémantique.
2. Sous l'onglet Modèle, cliquez sur Optimisation IA, puis sur Optimiser le modèle.
3. Suivez le guide de l'interface utilisateur, puis cliquez sur le bouton d'analyse pour lancer l'analyse.
4. Visualisez la carte Similar Meanings pour afficher le résumé initial des résultats de l'analyse IA.

Résolution de significations similaires

1. Dans la carte Similar Meanings (Significations similaires), cliquez sur Review (Vérifier) pour afficher la liste des significations similaires identifiées.
2. Vérifiez chaque paire similaire identifiée.
   • Examinez les champs marqués pour déterminer s'ils représentent « deux noms pour une seule chose » (par exemple ARR par rapport à Chiffre d'affaires récurrent annuel) ou « le même nom pour des choses différentes ».
   • Examinez les étiquettes de classification et le motif de chaque élément de liste pour plus de détails sur la similarité identifiée et les raisons pour lesquelles le système a identifié la paire comme similaire.

   

   Conseil Utilisez le motif fourni comme indicateur des problèmes potentiels et de leur résolution.
3. Distinguez les champs en exécutant l'une des actions ci-dessous.

   Clarification de l'étiquette de champ	Saisissez un nom d'affichage unique et clair.
   Clarification de la description du champ	Saisissez une description distincte ou utilisez la fonctionnalité Génération de description.
   Masquer le champ	Définissez Visibilité du champ sur False pour masquer le champ des tableaux de bord Analytics et des agents IA.
   Supprimer le champ	Accédez à la vue complète des propriétés du générateur pour retirer le champ ou mettre à jour la définition du tableau.

4. Gérez votre progression en mettant à jour le Statut de chaque élément.

   Non résolu	Les paires que vous n'avez pas résolues. Conseil Filtrez les éléments non résolus pour mettre en évidence les significations similaires en attente au lieu de la liste complète.
   Évaluation en attente	Les paires sur lesquelles vous avez pris des mesures.

Remarque Nous recommandons d'examiner toutes les significations similaires identifiées avant d'initier une autre analyse.

Limitations

Tenez compte des considérations ci-dessous en utilisant la fonctionnalité Significations similaires.

Métadonnées prises en charge

• Métadonnées de champ et d'objet : Les analyses sont limitées aux champs et aux objets Noms d'affichage et descriptions. Bien que d'autres propriétés fournissent le contexte, le processus d'identification se concentre sur ces deux propriétés en raison de leur poids important dans les algorithmes de recherche.
• Définitions de la vue logique : La logique système n'évalue pas les détails d'implémentation dans les vues logiques. Le système traite une vue logique comme un objet plat, en analysant uniquement son nom d'affichage, sa description et ses définitions de champ.
• Paramètres : Actuellement, ces définitions sémantiques ne sont pas analysées pour des significations similaires.

Compatibilité du modèle

• Modèles basés sur PDS : L'outil analyse les modèles basés sur PDS pour détecter les significations similaires, mais les utilisateurs peuvent modifier uniquement Description et Visibilité du champ pour différencier les champs.
• Modèles étendus : Les significations similaires ne sont pas prises en charge pour les modèles étendus. Les objets de base et étendus ne sont pas inclus dans l'analyse.

Résultats et raisonnement

• Clusters : Si plus de deux champs sont similaires, le système peut exposer plusieurs paires de significations similaires dans le même cluster.
• Hiérarchies : Les champs représentant une hiérarchie (tels que Catégorie Niveau 1 et Catégorie Niveau 2) peuvent parfois être marqués comme des significations similaires. Pour aider l'agent à différencier ces niveaux, fournissez des descriptions claires, y compris des exemples des valeurs que chaque niveau représente.