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 obtenir de 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 la formation 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 admin 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 les Agent virtuel modèles.

Ajout d’énoncés à la détection de non-pertinence

Il existe plusieurs méthodes pour ajouter des énoncés à la détection de non-pertinence :

• Journal de Agent virtuel messagerie instantanée : dans la boucle de rétroaction d’experts dans Console NLU, lorsque vous examinez un énoncé collecté à partir du journal de messagerie Agent virtuel instantanée, vous pouvez le marquer comme non pertinent. Le système se demandera s’il ne doit pas être pertinent pour un modèle particulier ou pour tous les modèles. Après l’ajout, ces énoncés peuvent s’afficher sous forme de 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 de détection de non-pertinence.

• Saisie manuelle : dans Détection de non-pertinence, tapez votre énoncé dans le champ Saisir 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 en tant que NO_INTENT dans des domaines tels que la boucle de rétroaction d’experts et l’examen des conflits.

  Pour en savoir plus sur l’importation d’énoncés et d’intentions, reportez-vous à la section 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.

Vous trouverez ci-dessous des détails sur la façon dont ces deux types et le nombre maximal de 200 interagissent.

Lorsqu’un modèle est soumis à une formation, il contient au maximum 200 énoncés non pertinents. Tout d’abord, les énoncés non pertinents directement associés à ce modèle sont soumis. Ensuite, les énoncés qui sont désignés comme n’étant pertinents pour aucun modèle sont soumis. Le total de ces types ne dépasse pas 200.

Si 200 énoncés non pertinents sont associés à un modèle 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.

Revues de conflit

Si un énoncé est marqué comme non pertinent et qu’il y a 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.

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 ensembles 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 à des 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 intégrer ces mises à jour dans le modèle.

• Les énoncés non pertinents ne sont pas associés à des intentions particulières dans un modèle. Elles sont soit associées à un modèle, soit marquées comme non pertinentes pour aucun modèle.
• Les énoncés marqués comme non pertinents pour un modèle sont soumis dans le cadre des données de formation pour 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 les 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.