기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon Quick Chat에서 주제 사용
| 적용 대상: Enterprise Edition |
Amazon Quick Chat의 주제를 사용하여 여러 데이터 세트에 걸쳐 자연어 질문을 할 수 있습니다. LLM 기반 채팅 에이전트는 정의된 관계, 데이터 세트 보강 메타데이터 및 사용자 지정 지침을 사용하여 교차 데이터 세트 SQL 쿼리를 생성하고 통합 답변을 반환합니다.
데이터세트 간 채팅 쿼리의 작동 방식
주제에 대해 자연어 질문을 하면 채팅 에이전트는 다음 단계를 수행합니다.
-
의도 구문 분석. 에이전트는 보강 메타데이터의 열 이름, 설명 및 동의어와 일치시켜 용어에 매핑되는 열을 식별합니다. 관련 측정값과 차원이 포함된 데이터 세트를 결정합니다.
-
관계 순회. 에이전트는 정의된 조인 키와 사용자 지정 지침을 사용하여 식별된 데이터 세트 간의 조인 경로를 결정합니다. 관계를 통과하여 팩트 테이블을 필요한 차원 테이블에 연결할 수 있습니다.
-
SQL 생성. 에이전트는 요청된 차원에 대해 적절한 JOIN 절, 집계 및 GROUP BY를 사용하여 SQL 쿼리를 구성합니다.
-
결과 프레젠테이션. 답변은 시각화 또는 테이블로 반환되며, 생성된 SQL은 설명 패널에서 검사에 사용할 수 있습니다.
주제와의 채팅 기능
LLM 기반 채팅 에이전트는 분석 시트에 사용된 정의된 관계 경로보다 풍부한 SQL 생성을 지원합니다. 사용자 지정 지침에 따라 채팅할 주제를 구성하면 에이전트가 다음을 생성할 수 있습니다.
-
내부, 왼쪽, 오른쪽 및 전체 외부 조인
-
스키마가 동일한 테이블 간 연합 쿼리
-
부정 패턴에 대한 하위 쿼리(예: "주문한 적이 없는 고객")
-
교차 비교(예: 일일 실제 대 월별 목표)
-
재귀 계층 구조에 대한 자체 가입(예: 직원-관리자 관계)
보강 메타데이터와 사용자 지정 지침이 풍부할수록 에이전트가 모호한 질문을 보다 정확하게 해석합니다.
주제와 채팅 시작
주제와 채팅하려면:
-
주제로 이동하여 채팅 아이콘을 선택합니다. 주제는 컨텍스트로 자동으로 사용할 수 있습니다.
-
또는 Amazon Quick chat에서 데이터 필터를 사용하여 특정 데이터 및 앱을 선택하고 주제를 선택합니다.
여러 데이터 세트에 걸쳐 자연어 질문을 합니다. 예제:
-
“고객 세그먼트 및 매장 리전별 총 매출 표시”
-
"제품 범주별 반품률은 얼마입니까?"
-
“어떤 스토어가 월별 목표의 80% 미만입니까?”
설명 패널을 사용하여 생성된 SQL을 보고 올바른 데이터 세트와 조인이 사용되었는지 확인합니다.
채팅의 레거시 주제와의 차이점
채팅 경험은 새 주제와 레거시 주제 간에 크게 다릅니다.
| 속성 | 새 주제 | 레거시 주제 |
|---|---|---|
AI 모델 |
LLM 기반 채팅 에이전트 |
레거시 ML 기반 퍼지 검색 모델 |
데이터 세트 간 쿼리 |
예 - 관계를 통과하고 런타임 조인을 사용하여 교차 데이터 세트 SQL을 생성합니다. |
아니요 - 하나의 데이터 세트를 선택하고 해당 데이터 세트만 쿼리합니다. |
조인 유형 |
내부, 왼쪽, 오른쪽, 전체 외부, 조합, 하위 쿼리 |
해당 사항 없음(단일 데이터 세트) |
SQL 가시성 |
설명 패널에 표시된 생성된 SQL |
사용할 수 없음 |
참고
새 주제 및 레거시 주제와 채팅할 수 있습니다. 그러나 레거시 주제는 레거시 ML 기반 모델을 사용하며 데이터 세트 간 쿼리를 지원하지 않습니다. 레거시 주제에 대한 자세한 내용은 섹션을 참조하세요레거시 주제 작업.
