本文介绍如何使用 AI_PROB,通过决策模型判断给定条件成立的概率。
使用限制
仅实时计算引擎 VVR 11.10.preview1 及以上版本支持。
使用前需开通 Flink AI服务(内置模型)。
模型注册、执行要求和错误处理,请参见决策函数使用概述。
语法
AI_PROB(
MODEL => MODEL <model_name>,
STATE => <state>,
QUESTION => <question>
[, CRITERIA => <criteria>]
[, DETAILS => <details>]
[, CONFIG => <config>]
[, FAIL_ON_ERROR => <fail_on_error>]
)
入参
参数 | 数据类型 | 是否必填 | 默认值 | 说明 |
MODEL | MODEL | 是 | 无 | 已注册的决策模型,输出列须为 |
STATE | STRING 或 VARIANT | 是 | 无 | 待判断的内容。 |
QUESTION | STRING | 是 | 无 | 描述待判断条件的非 |
CRITERIA | ARRAY<STRING> | 否 | 无 | 由两个字符串常量组成的数组,按 |
DETAILS | BOOLEAN | 否 | FALSE | 是否返回完整答案。须为布尔字面量。 |
CONFIG | MAP<STRING, STRING> | 否 | 无 | 调用级配置,键和值须为字符串常量。配置方式请参见通用调用。 |
FAIL_ON_ERROR | BOOLEAN | 否 | TRUE | 预测最终失败时是否使作业报错。须为布尔字面量。 |
例如,ARRAY['无需客服跟进', '仍需客服跟进'] 中:
第一项对应
false,表示无需客服跟进。第二项对应
true,表示仍需客服跟进。
输出
返回 DOUBLE,表示条件成立的概率,范围为 0~1。
设置 DETAILS => TRUE 后返回 VARIANT,包含条件成立概率等详细信息。具体结构及字段含义请参见百炼决策模型 API“返回参数”中的 answers 部分。
设置 FAIL_ON_ERROR => FALSE 后的返回结构,请参见错误处理。
STATE 为 NULL 时返回 NULL。
示例
测试语句
CREATE TEMPORARY MODEL jev_model
INPUT (state STRING)
OUTPUT (answer VARIANT)
WITH (
'provider' = 'dashscope',
'task' = 'decision',
'model' = 'decision-model-preview'
);
CREATE TEMPORARY VIEW tickets(id, content) AS VALUES
(1, '商品无法开机,申请退货。'),
(2, '退款已经到账了,现在的问题是退件一直没人来取。'),
(3, '刚才的问题已经解决了,谢谢。');
SELECT
id,
AI_PROB(
MODEL => MODEL jev_model,
STATE => content,
QUESTION => '用户是否仍有需要客服处理的诉求?',
CRITERIA => ARRAY['无需客服跟进', '仍需客服跟进']
) AS need_help
FROM tickets;
输出结果
以下仅为输出格式示例,实际概率以模型返回为准。
id | need_help |
1 | 0.99 |
2 | 0.98 |
3 | 0.02 |
按概率筛选
可在 WHERE 中直接使用 AI_PROB。以下示例使用前文创建的模型和视图,仅保留需要跟进的概率不低于 0.8 的记录。
SELECT id, content
FROM tickets
WHERE AI_PROB(
MODEL => MODEL jev_model,
STATE => content,
QUESTION => '用户是否仍有需要客服处理的诉求?'
) >= 0.8;