Zwecke

Wenn Ihr Modell eine Benutzereingabe erhält, verwendet es eine Absicht, um eine Systemaktion auszuführen. Beispiel: Ein Benutzer gibt in Ich habe ein kritisches Problem mit einem langsamen Laptop ein. Das Modell gleicht die Äußerungseingabe mit der Absicht #TroubleshootSlowComputer ab. Wenn die Absicht mit einem Virtual Agent -Thema verknüpft ist, werden weitere Aktionen ausgelöst.

Absichten enthalten Schulungsäußerungen oder Beispiele für Anwendereingaben, die die Systemaktion auslösen würden. Geben Sie realistische Äußerungen an, auf die das Modell von Ihren Anwendern treffen könnte. Die Qualität der Trainingsäußerungen wirkt sich auf die Genauigkeit Ihres Modells aus.

Weitere Informationen finden Sie unter NLU-Absichten.

Entitäten

Ihre Absichten verwenden Entitäten, um dem Modell beim Empfang von Eingaben zusätzlichen Kontext bereitzustellen. Im Beispiel „Computer“ ist der Laptop die Entität bzw. das Objekt der Aktion.

NLU-Entitäten lassen sich in zwei Kategorien einteilen: systemdefiniert und anwenderdefiniert. Systementitäten wie DATUM, UHRZEIT und ORT sind in Ihrer -Instanz standardmäßig verfügbar. Sie können eigene anwenderdefinierte Entitäten erstellen, um zusätzliche Zuordnungen und Bedeutung für Ihre Geschäftsanforderungen bereitzustellen.

Alle Entitäten können in anderen NLU-Modellen wiederverwendet werden. Sie müssen sie jedoch für jedes Modell einer Trainingsäußerung hinzufügen, um sie verwenden zu können.

Weitere Informationen finden Sie unter NLU-Entitäten.

Vokabular

Die Eingaben Ihrer Anwender können eine Vielzahl von Wörtern und Ausdrücken enthalten. Außerdem versteht Ihr Modell möglicherweise einige Begriffe, die in speziellen Domänen oder Geschäftsbereichen verwendet werden.

Um die Fähigkeit Ihres Modells zu verbessern, eine Vielzahl von Benutzereingaben zu verstehen, können Sie Synonyme definieren, indem Sie Vokabularelemente erstellen.

Angenommen, Ihr Modell enthält eine Entität für den Begriff Computer. Wenn ein Benutzer „ Ich benötige einen neuen Computer“ eingibt, weiß das Modell, wie es reagieren soll. Wenn ein Benutzer jedoch Laptop oder Workstationeingibt, kann das Modell die Absicht möglicherweise nicht vorhersagen. Sie können dem Modell Vokabular hinzufügen, um es auf das Verständnis von Synonymen und Variationen zu trainieren.

Sie können auch Tabellen und Listen als Vokabularquellen verwenden. Ihre Modelle können bei der Vorhersage von Absichten nach den Vokabularquellen suchen.

Weitere Informationen finden Sie unter NLU-Vokabular.

Testsatz

Ihr Modell enthält einen Standardtestsatz, mit dem Sie die Leistung des Modells bewerten können. Der Testsatz ist zunächst leer und kann mit Inhalt gefüllt werden. Fügen Sie Testäußerungen und ihre erwarteten Absichten hinzu, um den Testsatz zu erstellen.

Weitere Informationen finden Sie unter Erstellung und Verwaltung von Testsätzen.

Testbereich

Greifen Sie auf den Testbereich zu, indem Sie in der Phase Modellerstellen und trainieren auf Modell trainieren oder Modell testen klicken. Durch das Training werden neue Inhalte in Ihr Modell integriert. Mit Modelltesten können Sie einzelne Äußerungen manuell eingeben, um zu testen, welche Absichten das Modell für sie vorhersagt.

Weitere Informationen finden Sie unter Trainieren und testen Sie Ihr NLU-Modell.

Sie können auch den Testbereich verwenden, um Feedback zu den Vorhersagen Ihres Modells zu geben. Ihr Feedback trägt zur Verbesserung der Absichtsvorhersage bei. Weitere Informationen finden Sie unter Feedback zum Testbereich.

Einstellungen

Verwenden Sie die Registerkarte Einstellungen, um den Namen, die Kurzbeschreibung und den Konfidenzschwellenwert des Modells zu bearbeiten. Sie können die Sprache oder den Zweck des Modells nicht ändern.

Weitere Informationen zum Konfidenzschwellenwert finden Sie unter Ihr Modell testen und veröffentlichen. Weitere Informationen zu den Einstellungen finden Sie unter NLU-Modelleinstellungen.