개방형 엔터티 는 모델이 엔터티 자체보다는 엔터티의 컨텍스트에 집중하도록 지시합니다. 단어나 구를 개방형 단어로 표시하면 시스템은 엔터티를 건너뛰고 발언의 엔터티 앞이나 뒤에 있는 컨텍스트에서 의도를 예측합니다.

예를 들어, I want to order an iPhone이라는 발언에서 "an iPhone"이라는 단어에 개방형 엔터티로 주석을 달았습니다. 이 모델은 컨텍스트에 초점을 맞춰 사용자가 무언가를 주문하고 싶어할 것으로 예측합니다. 사용자가 주문하고 싶어할 수 있는 항목이 많기 때문에 모든 항목의 이름을 지정하는 것은 모델 작성자에게 견딜 수 없는 작업이 될 것입니다.

단순 엔터티 대신 개방형 엔터티를 사용하면 모델이 엔터티가 아닌 나머지 발언에 집중할 수 있습니다. iPhone의 예에서 엔터티 자체는 관련성이 떨어집니다. 그래서 시스템이 이를 무시하기를 원합니다.

이 예제 시나리오에서는 사용자가 회사 상품을 주문할 수 있도록 의도하는 모델을 만들 NLU 었습니다.