Compréhension du langage naturel

  • Rversion finale: Washingtondc
  • Mis à jour 1 févr. 2024
  • 4 minutes de lecture

    • ServiceNow® Compréhension du langage naturel (NLU) fournit un Console NLU et un NLU service d’inférence que vous pouvez utiliser pour permettre au système d’apprendre et de répondre à l’intention exprimée par l’homme. En saisissant des exemples de langage naturel dans le système, vous l’aidez à comprendre la signification et le contexte des mots afin qu’il puisse en déduire les actions de l’utilisateur ou du système.

    Vue d'ensemble

    Figure 1. Flux d’entrée de l’utilisateur dans le processus de génération du modèle NLU
    Cette image montre le flux d’entrée de l’utilisateur dans le processus de génération du modèle NLU.
    Cette image montre le flux d’entrée de l’utilisateur dans le processus de génération du modèle NLU.

    Terminologie de NLU

    Dans NLU le jargon courant, ces termes identifient les composants linguistiques clés que le système utilise pour classer, analyser et traiter le contenu en langage naturel.
    Intention
    Ce qu’un utilisateur veut faire ou ce que vous souhaitez que votre application gère, comme accorder l’accès.
    Énoncé
    Un exemple en langage naturel d’une intention de l’utilisateur. Par exemple, une chaîne de texte dans la brève description d’un incident, une entrée de messagerie instantanée ou une ligne d’objet d’e-mail. Les énoncés sont utilisés pour créer et former des intentions et ne doivent donc pas inclure plusieurs significations ou intentions ambiguës.
    Entité
    Objet ou contexte d’une action. Par exemple : un ordinateur portable, un rôle d’utilisateur ou un niveau de priorité.
    Entité système
    Ceux-ci sont prédéfinis dans une instance et ont des significations hautement réutilisables, telles que la date, l’heure et l’emplacement.
    Entité définie par l’utilisateur
    Ceux-ci sont créés dans le système par les utilisateurs et peuvent être créés à partir de mots dans les énoncés qu’ils créent.
    Entité commune
    Contexte couramment utilisé et extrait via un modèle d’entité prédéfini, tel que la devise, l’organisation, les personnes ou la quantité.
    Vocabulaire
    Le vocabulaire est utilisé pour définir ou remplacer la signification des mots. Par exemple, vous pouvez affecter le synonyme « Microsoft » à l’acronyme « MS ».
    Modèle NLU
    Une collection d’exemples d’énoncés et leurs intentions et entités associées que le système utilise comme référence pour déduire les intentions et les entités dans un nouvel énoncé. La console NLU est fournie avec des modèles NLU prédéfinis pour des unités business spécifiques, comme un modèle ITSM. Vous pouvez également créer des modèles personnalisés.

    Cette image illustre comment Compréhension du langage naturel les exemples d’énoncés sont traités et convertis en intentions et en entités dans le système.

    Figure 2. NLU traite et restitue les exemples d’énoncés en intentions et en entités
    Cette image vous montre comment Compréhension du langage naturel traite et restitue les exemples d’énoncés en intentions et en entités dans le système.

    Console NLU

    Utilisez le Console NLU pour créer des représentations morphologiques du langage humain. Ces modèles vous permettent de créer des intentions et des entités exprimées dans des énoncés en langage naturel. Toute ServiceNow application peut invoquer un NLU modèle pour obtenir une inférence d’intentions et d’entités dans un énoncé donné.

    À l’aide du rôle nlu_admin , vous générez vos modèles dans , où Console NLUvous les créez, formez, testez et publiez de manière itérative.

    Figure 3. Vue d’ensemble de l’API de création NLU aidant les administrateurs à créer leurs modèles
    Cette image illustre comment l’API de création NLU aide les administrateurs NLU à créer leurs modèles NLU.

    Pour en savoir plus sur la création et l’utilisation d’un modèle NLU, consultez Créer un modèle NLU.

    NLU Service d’inférence

    Compréhension du langage naturel fournit un service d’inférence NLU qui aide le système à comprendre le langage naturel et à générer des actions intelligentes. Ce service forme et prédit les intentions et les entités pour un énoncé utilisateur donné dans votre modèle afin que son texte se traduise dans des formats compréhensibles par l’ordinateur, tels que les API et les paramètres.

    Figure 4. Vue d’ensemble de la façon dont le système utilise une API d’inférence NLU pour extraire des intentions et des entités
    Cette image montre comment le système utilise une API d’inférence NLU pour extraire des intentions et des entités pour un énoncé donné.

    Ici, le système utilise une API d’inférence pour entraîner NLU des algorithmes à l’aide d’exemples de données d’enregistrement afin d’identifier les intentions et les entités qui sont des candidats solides pour une prédiction précise.

    Consommation du modèle NLU

    D’autres applications utilisent NLU la sortie du ServiceNow® modèle, par exemple Agent virtuel.

    Figure 5. Vue d’ensemble de l’utilisation du NLU par l’application Virtual Agent
    Cette image vous montre comment l’application Agent virtuel utilise Compréhension du langage naturel.

    Par exemple, Agent virtuel les administrateurs peuvent configurer un flux de Concepteur d'agent virtuel conversation pour utiliser des modèles NLU afin que les chatbots d’agent puissent mieux comprendre les déclarations des utilisateurs dans la conversation. Pour plus d’informations sur la façon dont Agent virtuel les modèles NLU sont utilisés, consultez : Détection de rubriques Natural Language Understanding (NLU) dans Virtual Agent.

    Premiers pas

    Dépannage et demande d'aide