Détection de non-pertinence dans le NLU
Gardez Agent virtuel les chats concentrés grâce à la détection de non-pertinence. Utilisez la fonctionnalité de détection de non-pertinence pour entraîner votre NLU modèle afin d’éviter de faire des prédictions pour des énoncés qui ne sont pas pertinents.
Informations récapitulatives
La fonctionnalité de détection de non-pertinence améliore la précision de prédiction des NLU modèles en les entraînant à ignorer certains énoncés. Ces énoncés de vos utilisateurs peuvent ne s’appliquer à aucune intention et ne doivent donc pas faire l’objet d’une prédiction.
Pour vous assurer que les modèles ne prédisent pas une intention alors qu’ils ne sont pas censés le faire, vous pouvez marquer les énoncés comme non pertinents. Ces énoncés marqués sont inclus dans le cadre de l’entraînement du modèle. Lorsque le modèle publié rencontre des énoncés similaires de la part de vos utilisateurs, aucune intention n’est mise en correspondance ou prévue.
La table de détection de non-pertinence est l’endroit où vous pouvez gérer les énoncés marqués comme non pertinents.
Rôles, utilisation et navigation
Utilisez le rôle nlu_admin ou administrateur pour accéder à la détection de non-pertinence. Le rôle nlu_editor peut également accéder à la détection de non-pertinence, mais doit être affecté à un modèle pour modifier le contenu de ce modèle.
La détection de non-pertinence n’est disponible que pour Agent virtuel les modèles.
- Accédez à la . L’onglet Agent virtuel s’ouvre par défaut.
- Faites défiler la liste des modèles jusqu’à la section Améliorez les performances de Agent virtuel votre modèle.
- Faites défiler horizontalement pour localiser la carte Gardez les chats concentrés et sélectionnez son bouton Accédez à la détection de non-pertinence.
Ajout d’énoncés à la détection de non-pertinence
Il existe plusieurs méthodes pour ajouter des énoncés à la détection de non-pertinence :
- Le Agent virtuel journal de messagerie instantanée : dans la boucle de rétroaction d’experts dans Console NLU, lorsque vous examinez une déclaration collectée à partir du journal de messagerie Agent virtuel instantanée, vous pouvez la marquer comme non pertinente. Le système se demandera s’il ne doit pas être pertinent pour un modèle particulier ou pour tous les modèles. Une fois ajoutés, ces énoncés peuvent s’afficher comme NO_INTENT dans la boucle de rétroaction d’experts.
Pour plus d’informations sur la boucle de rétroaction d’experts dans , reportez-vous à NLUla section NLU Boucle de rétroaction d’experts.
Ces énoncés ont une source de journaux de messagerie instantanée VA dans la table Détection de non-pertinence.
Entrée manuelle : dans la détection de non-pertinence, saisissez votre énoncé dans le champ Saisissez des énoncés ici , puis sélectionnez Ajouter. Le système se demandera s’il ne doit pas être pertinent pour un modèle particulier ou pour tous les modèles.
Ces énoncés ont une source manuelle dans la table de détection de non-pertinence.
- Importation : lorsque vous utilisez un fichier CSV ou XLSX (classeur Excel) pour importer des énoncés de formation et leurs intentions, vous pouvez indiquer les énoncés non pertinents en laissant la colonne Intention vide. Ces énoncés peuvent s’afficher sous forme de NO_INTENT dans des domaines tels que la boucle de rétroaction d’experts et l’examen des conflits.
Pour plus d’informations sur l’importation d’énoncés et d’intentions, consultez Créer un NLU modèle à partir d’un fichier CSV.
Ces énoncés ont une source manuelle dans la table de détection de non-pertinence.
Comportement des énoncés non pertinents
Il existe deux types d’énoncés non pertinents : ceux associés à un modèle spécifique ou ceux qui ne sont pas pertinents pour un modèle. Un modèle peut avoir un maximum de 200 énoncés non pertinents qui lui sont associés.
Voici des détails sur la façon dont ces deux types et le nombre maximal de 200 interagissent.
Lorsqu’un modèle est soumis pour une formation, au maximum 200 énoncés non pertinents sont soumis avec lui. Tout d’abord, les énoncés non pertinents directement associés à ce modèle sont soumis. Ensuite, les énoncés qui sont désignés comme non pertinents pour aucun modèle sont soumis. Le total de ces types n’excède pas 200.
Si un modèle a 200 énoncés non pertinents qui lui sont associés et qu’un nouvel énoncé non pertinent est ajouté, l’énoncé le plus ancien du modèle est abandonné. Le nouvel énoncé non pertinent peut être de l’un ou l’autre type (non pertinent pour le modèle spécifique ou non pertinent pour aucun modèle).
Un modèle ne peut pas avoir plus d’énoncés non pertinents que d’énoncés de formation normaux.
Revue de conflit
Si un énoncé est marqué comme non pertinent et qu’il existe un énoncé similaire dans une intention, le modèle ne fait pas de prédiction pour cet énoncé. En d’autres termes, les énoncés non pertinents ont priorité sur les énoncés de formation.
Étant donné que les énoncés non pertinents ont un impact sur les prédictions du modèle, ils sont affichés en tant que conflits lorsqu’ils se chevauchent avec des énoncés de formation.- Le module Revue de conflit inter-modèles. Pour plus d’informations sur ce module, reportez-vous à la section Revue de conflit inter-modèles.Remarque :Le module Revue des conflits inter-modèles est disponible avec l’application Console NLU Fonctionnalités avancées à partir de ServiceNow® Store. Pour plus d'informations, consultez Console NLU : fonctionnalités avancées.
- Onglet Conflits d’une intention. Pour plus d’informations sur les conflits dans une intention, reportez-vous à Résoudre les problèmes d’intention.
Notez que les énoncés non pertinents ne peuvent pas être modifiés ou supprimés sur la page de conflit. Copiez l’énoncé non pertinent de la page de conflit vers la page de détection de non-pertinence pour modifier ou supprimer l’énoncé.
En savoir plus
- Dans les jeux de tests, essayez d’inclure environ 10 % des énoncés de test comme non pertinents. Cela permet d’évaluer la façon dont votre modèle gère les énoncés qui ne doivent pas avoir d’intention prévue. Lorsque vous importez des énoncés de formation ou de test à partir d’un fichier CSV ou XLSX (classeur Excel), vous pouvez indiquer qu’un énoncé n’est pas pertinent en laissant la colonne Intention vide.
- Lors du test des modèles par rapport aux jeux de tests, les résultats sont considérés comme corrects si aucune intention n’est prévue pour un énoncé non pertinent.
- Les énoncés qui ont été marqués comme non pertinents peuvent être réaffectés ultérieurement. Par exemple, si une nouvelle intention est créée, les énoncés non pertinents existants peuvent être affectés manuellement à la nouvelle intention. Ils font alors partie des énoncés d’entraînement normaux.
Pour réaffecter un énoncé dans la détection de non-pertinence, développez la liste dans la colonne Intention corrigée et sélectionnez l’intention appropriée. Assurez-vous de sélectionner le bouton Enregistrer les commentaires après la réaffectation. Assurez-vous également de reformer le modèle pour qu’il intègre ces mises à jour au modèle.
- Les énoncés non pertinents ne sont pas associés à des intentions particulières dans un modèle. Elles sont soit associées à un seul modèle, soit marquées comme non pertinentes pour aucun modèle.
- Les énoncés qui sont marqués comme non pertinents pour aucun modèle sont soumis dans le cadre des données d’entraînement de chaque modèle. En d’autres termes, celles-ci s’appliquent à tous les modèles.
- La formation du modèle est nécessaire pour intégrer des énoncés non pertinents. La formation de n’importe quel modèle ajoute des énoncés nouvellement marqués à tous les modèles.
- Les énoncés peuvent être supprimés ou modifiés dans la table de détection de non-pertinence.
- Les énoncés non pertinents doivent avoir un contenu différent des énoncés associés à une intention.