Schnelle Tipps zur Fehlerbehebung

Weitere Informationen zur Problembehandlung finden Sie in den folgenden Tabellen.

NLU-Vorhersageinformationen in den offenen NLU-Tabellen überprüfen

Beim Überprüfen oder Debuggen von Themen, die Natural Language Understanding (NLU) verwenden, können Sie verschiedene Open NLU-Tabellen verwenden, um die NLU-Vorhersageergebnisse für Ihre Themen anzuzeigen. Zum Beispiel enthalten die Tabellen „Feedbacks zur NLU-Absichtvorhersage öffnen“ und „Feedbacks zur NLU-Entitätsvorhersage öffnen“ detaillierte Informationen zur NLU-Verarbeitung, die von Anwendungen (z. B. Virtual Agent) durchgeführt wird, um Themenabsichten und Entitäten (Slot-Füllung) zu bestimmen.

Tabelle „Feedbacks zur NLU-Absichtvorhersage öffnen“

Die Tabelle „Open NLU Predict Intent Feedbacks“ [open_nlu_predict_intent_feedback] zeigt die Absichtsverarbeitung, die eine Anwendung (in diesem Fall Virtual Agent) als Reaktion auf ein NLU-Absichtsvorhersageergebnis ausführt. Das Ziel für Virtual Agent besteht darin, eine vorhergesagte NLU-Absicht einem Virtual Agent -Thema zuzuordnen. Immer wenn Virtual Agent ein Thema vorschlägt, wird dieser Tabelle ein Datensatz des Vorhersageergebnisses hinzugefügt. Wenn Virtual Agent kein Thema findet, erfolgt keine Vorhersage, und ein mit Skipped gekennzeichneter Datensatz wird dieser Tabelle hinzugefügt.

Um die Tabelle anzuzeigen, navigieren Sie zu Alleund geben Sie dann open_nlu_predict_intent_feedback.list in den Navigationsfilter ein.

Tabelle : 1. Schlüsselfelder in der Tabelle „Open NLU Predict Intent Feedbacks“.

Feld	Beschreibung
App	Anwendung, die NLU nutzt. Beispiel: VA (Virtual Agent).
App-Dokument	sys_id des Anwendungsdatensatzes. Beispiel: sys_cs_topic.sys_id.
App-Dokumenttabelle	Tabelle des Anwendungsdatensatzes. Beispiel: sys_cs_topic (Thementabelle).
Automatisch ausgewählt	Boolescher Wert, der angibt, ob das System nur eine Absicht über dem Vorhersageschwellenwert erkannt hat und die Anwendung daher das Thema ausgeführt hat, das derselben Absicht entspricht: true oder false.
Aktuelle Absicht	NLU-Absicht, die von der Anwendung verwendet wurde, als die NLU-Vorhersage übermittelt wurde. Dieses Feld kann leer sein. Zum Beispiel könnte eine Absicht, die in der Anwendung Virtual Agent verwendet wird, Change passwordsein.
Domäne	Die Domäne der Absicht. Zum Beispiel Global oder ITSM.
Anzeigename des externen Modells	Name des externen NLU-Modells. Zum Beispiel der Name der NLU-Anwendung IBM Watson Assistant.
Ursache des Absichtswechsels	Name des Ursprungsthemas, das den Benutzer zur Bestätigung auffordert. Es gibt zwei mögliche Szenarien für Werte in dieser Spalte: Der Benutzer wird aufgefordert, die anfängliche Absichtsübereinstimmung für seine Äußerung zu bestätigen (Benutzer fragen, ob das von VA gewählte Thema korrekt ist, Umschalter ist in den NLU-Einstellungenaktiviert). Wenn der Benutzer zu einer ersten Äußerung aufgefordert wird, kann dieser Wert das Begrüßungsthema sein. Wenn der Wert emptylautet, wurde der Benutzer entweder nicht zur ersten Übereinstimmung aufgefordert, oder der Benutzer hat die anfänglich übereinstimmende Themenabsicht abgelehnt. Der Benutzer wird zur Bestätigung eines Absichtswechsels in der Mitte des Themas aufgefordert (Benutzer fragen, ob das gewechselte Thema korrekt ist, Umschalter ist in den NLU-Einstellungenaktiviert). Wenn der Benutzer zu einem Wechsel in der Mitte des Themas aufgefordert wird, ist dieser Wert der Name des Themas, das er zum Zeitpunkt des Wechsels angezeigt hat. Hinweis: Hier werden möglicherweise auch Systemaufgaben angezeigt, die Sie ignorieren können. Beispiel: __silent_TerminateGoal_a3817a5f7ca7439b8.
Ursache des Absichtswechsels – aktuelle Aufgabe	Name der Aufgabe (Knoten), von der der Benutzer wechselt. Hinweis: Hier werden möglicherweise auch Systemaufgaben angezeigt, die Sie ignorieren können. Beispiel: __silent_TerminateGoal_a3817a5f7ca7439b8.
Zugeordnet	Boolescher Wert, der angibt, ob die Anwendung (Virtual Agent) die Vorhersage als nutzbar betrachtet hat, indem die Absicht mit einem verfügbaren Thema abgeglichen wurde: true oder false.
Modellanzeigename	Name des ServiceNow NLU-Modells.
Modell-ID	ID des NLU-Modells, für das die Vorhersage eingereicht wurde.
Modellname	Name des NLU-Modells, für das die Vorhersage eingereicht wurde.
Ergebnis der NLU-Themen-Discovery	Ergebnis der Vorhersage für die erste Äußerung in einer Konversation als Teil der Themenerkennung: Fallback für KI-Suche: Es wurde keine Vorhersage getroffen. KI-Suche wurde als Fallback verwendet. Richtig: Eine einzelne Vorhersage wurde getroffen. Der Benutzer hat bestätigt, dass das Thema korrekt war. Richtig unter mehreren: Es wurden mehrere Vorhersagen getroffen. Dieses Ergebnis zeigt an, dass der Benutzer diese Vorhersage ausgewählt hat. Andere Vorhersagedatensätze werden als Nicht kategorisiert markiert. Ohne Bestätigung beendet: Der Benutzer beendet das Feld ohne Bestätigung. Falsch: Es wurde eine einzelne Vorhersage getroffen. Der Benutzer hat bestätigt, dass das Thema falsch war. Falsch unter mehreren: Es wurden mehrere Vorhersagen getroffen, aber der Benutzer hat keines der vorgeschlagenen Themen ausgewählt. Dieses Ergebnis zeigt an, dass diese Vorhersage den höchsten Wert für Vorhersagekonfidenz hatte. Die anderen Vorhersagedatensätze werden als Nicht kategorisiert markiert. Setup-Themenvorhersage: Die auf das Setup-Thema bezogene Vorhersage wurde ohne Verwendung von KI-Suchegetroffen. Übersprungen: Es wurde keine Vorhersage getroffen. Mit neuer Äußerung übersprungen: Als das Menü „Thema“ angezeigt wurde, hat der Benutzer eine neue Äußerung eingegeben. Nicht kategorisiert: Keine der oben genannten Bedingungen wurde erfüllt, oder der Benutzer hat die Konversation abgebrochen.
NLU-Modellsprache	Sprache des für die Vorhersage verwendeten NLU-Modells.
Vorhersage	Name der vorhergesagten Absicht
Auditprotokoll der Vorhersage	Verweis auf die Tabelle der offenen NLU-Vorhersageprotokolle [open_nlu_predict_log]
Vorhersagekonfidenz	Wert für die Vertrauenswürdigkeit der Vorhersage
Sitzungssprache der anfordernden Person	Sprachcode der Sitzungssprache der anfordernden Person, wenn Dynamische Übersetzung aktiviert ist. Wenn der Benutzer beispielsweise Französisch eingibt, wird der Code fr gespeichert. Wenn die Spracherkennung aktiviert ist und der Benutzer Text in einer Sprache eingibt, die nicht die Standardsprache ist, fordert Virtual Agent den Benutzer auf, die Sprache zu bestätigen. Wenn dies bestätigt wird, wird die erkannte Sprache zum Standardwert für die Sitzung.
Ausgewählt	Boolescher Wert, der angibt, ob die mehreren vorhergesagten Absichten, die Endbenutzern als übereinstimmende Themen angezeigt werden, tatsächlich von den Endbenutzern ausgewählt wurden: true oder false.
Gezeigt	Boolescher Wert, der angibt, ob die Anwendung (Virtual Agent) die vorhergesagte Absicht als Auswahl für den Endbenutzer angezeigt hat: true oder false.
Thema gewechselt	Name des Themas, wenn der Benutzer zur Bestätigung aufgefordert wurde (unabhängig von seiner Wahl, Ja oder Nein).
Äußerung	Vom Endbenutzer im Chat-Client-Fenster eingegebener Ausdruck

Tabelle „Feedbacks zur NLU-Entitätsvorhersage öffnen“

Die Tabelle „Open NLU Predict Entity Feedbacks“ [open_nlu_predict_entity_feedback] zeigt die Entitätsverarbeitung (Slot-Füllung), die eine Anwendung (in diesem Fall Virtual Agent) als Antwort auf das NLU-Entitätsvorhersageergebnis ausführt. Das Ziel von Virtual Agent besteht beispielsweise darin, eine vorhergesagte NLU-Entität einer Themeneingabevariablen Virtual Agent ] zuzuordnen.

Um die Tabelle anzuzeigen, geben Sie open_nlu_predict_entity_feedback.list im Navigationsfilter ein.

Tabelle : 2. Schlüsselfelder in der Tabelle „Feedbacks zu NLU-Vorhersageentität öffnen“.

Feld	Beschreibung
App	Anwendung, die NLU nutzt. Beispiel: VA (Virtual Agent).
App-Dokument	sys_id des Anwendungsdatensatzes. Beispiel: sys_cs_topic.sys_id.
App-Dokumenttabelle	Tabelle des Anwendungsdatensatzes. Beispiel: sys_cs_topic.
Automatisch ausgewählt	Boolescher Wert, der angibt, ob die Anwendung die Entität automatisch verwendet hat, ohne den Benutzer zu benachrichtigen: true oder false.
Anzeigename des externen Modells	Name des externen NLU-Modells. Zum Beispiel der Name der NLU-Anwendung IBM Watson Assistant.
Zugeordnet	Boolescher Wert, der angibt, ob die Anwendung (Virtual Agent) die Vorhersage als nutzbar eingestuft hat: true oder false.
Zugeordnet zu	Element in der Anwendung, dem die Entität zugeordnet wurde
Modellanzeigename	Name des ServiceNow NLU-Modells.
Modell-ID	ID des NLU-Modells, für das die Vorhersage eingereicht wurde.
Modellname	Name des NLU-Modells, für das die Vorhersage eingereicht wurde.
Vorhersage	Name der vorhergesagten Entität
Auditprotokoll der Vorhersage	Verweis auf die Tabelle der offenen NLU-Vorhersageprotokolle [open_nlu_predict_log]
Vorhersagekonfidenz	Wert für die Vertrauenswürdigkeit der Vorhersage
Ausgewählt	Boolescher Wert, der angibt, ob die Anwendung die Entität verwendet hat: true oder false.
Gezeigt	Boolescher Wert, der angibt, ob die Anwendung dem Endbenutzer die vorhergesagte Entität als Auswahlmöglichkeit angezeigt hat: true oder false.
Äußerung	Vom Benutzer im Chat-Client-Fenster eingegebener Ausdruck
Wert	Wert der vorhergesagten Entität

NLU-Vorhersageprotokolle öffnen

Die Tabelle „NLU-Vorhersageprotokolle öffnen“ [open_nlu_predict_log] bietet eine konsolidierte Übersicht über die NLU-Vorhersagedatensätze für Themen. Die Datensätze im Log identifizieren die vom NLU-Service ermittelten Äußerungen und entsprechenden Absichten (Themen) und Entitäten. Jeder Datensatz enthält auch die NLU-Vorhersagewerte, die während der Themenerkennung (Absichtstreffer) und Entitätsextraktion berechnet wurden.

Hinweis:

NLU-Vorhersageknotenprotokolle werden automatisch generiert. Wenn Sie Knotenprotokolle zum Debuggen verwenden, aber die automatische Generierung von NLU-Vorhersageknotenprotokollen unterdrücken möchten, fügen Sie die Systemeigenschaft com.glide.opennlu.predict.node_logging_enabled hinzu, und legen Sie den Wert auf false fest.

Um die offenen NLU-Vorhersageprotokolle anzuzeigen, geben Sie open_nlu_predict_log.list im Navigationsfilter ein.

Tabelle : 3. Schlüsselfelder in der Tabelle „Offene NLU-Vorhersageprotokolle“.

Feld	Beschreibung
Async	Indikator für asynchrone Vorhersageverarbeitung: true oder false. „true“ gibt an, dass die Vorhersage asynchron durchgeführt wurde, sodass Virtual Agent-Worker Threads fortgesetzt werden können.
Erstellt	Datum und Uhrzeit des Zeitpunkts, zu dem der NLU-Vorhersagedatensatz erstellt wurde
Dauer	Länge der Verarbeitungszeit für die Vorhersage, um Absichts- und Entitätswerte zurückzugeben
Sprache	Die Sprache der NLU-Vorhersageanforderung.
Ebene	Typ der Nachricht: Informationsebene.
Nachricht	Zurückgegebene Vorhersageergebnisse: Anzahl der Absichten und Entitäten.
Anforderung	NLU-Vorhersageparameter, der die Äußerung und das NLU-Modell für die erkannte Absicht enthält
Antwort	NLU-Vorhersageergebnisse, die 0 (keine) oder mehr ausgewertete Absichten und ausgewertete Entitäten enthalten
Quelle	Prozess oder Bereich: OpenNLU - Predict.
Äußerung	Vom Bot erkannte Benutzeraussage, die einer in einem NLU-Modell definierten Absicht zugeordnet ist

Hinweis:

Die detaillierten Absichts- und Entitätsergebnisse können Sie in den Tabellen „Feedbacks zur NLU-Absichtvorhersage öffnen“ und „Feedbacks zur NLU-Entitätsvorhersage öffnen“ anzeigen.

HTTP-Verbindungsinformationen für offene NLU-Integrationen überprüfen

Verwenden Sie die Tabelle „HTTP-Verbindungen des NLU-Treibers öffnen“ [open_nlu_driver_http_connection], um HTTP-Anmeldeinformationen, Verbindungsdetails und Methoden für die Absichten, Entitäten, NLU-Modelle und Vorhersagen für Ihren NLU-Service Provider rasch zu überprüfen.

Um die Tabelle anzuzeigen, geben Sie im Navigationsfilter open_nlu_driver_http_connection.list ein.