NLU 모델 교육 및 시도

  • 릴리스 버전: Xanadu
  • 업데이트 날짜 2024년 08월 01일
  • 소요 시간: 3분

    • 모델을 반복적으로 교육하고 시도하여 의도와 엔터티가 검증되고 컴파일되어 모델에 저장되도록 합니다.

    시작하기 전에

    • - 코어 플러그인, NLU 워크벤치 플러그인 및 예측 인텔리전스 플러그인이 모두 설치되고 활성화되어 있는지 확인합니다 NLU 워크벤치 .
    • NLU 모델을 생성합니다. 자세한 내용은 모델 생성 문서를 참조하십시오.
    • 모델에 대해 의도 및 관련 엔터티를 하나 이상 NLU 생성합니다. 자세한 내용은 NLU 의도 문서를 참조하십시오.
    • 말이 테이블 어휘 소스를 참조하는 경우 해당 값을 모델에서 사용할 수 있도록 소스가 동기화되었는지 확인합니다. 자세한 내용은 테이블 어휘 소스 동기화 문서를 참조하십시오.
    • 필요한 역할: nlu_editor, nlu_admin 또는 admin 모델에 편집기를 NLU 할당해야 합니다.

    이 태스크 정보

    모델을 학습시키면 콘텐츠에 대한 변경 내용이 저장되고 상충이나 오류가 있는지 확인합니다. 또한 교육을 통해 모델을 게시할 수 있습니다.

    학습 후에는 개별 발언을 수동으로 입력하여 모델을 사용해 보고 예측되는 의도를 확인할 수 있습니다.
    주:
    테스트 발언 목록에 대해 모델 테스트를 실행하려면 을 참조하십시오 모델 테스트 및 게시.

    Dialog Acts의 대화 중간 응답은 에서 시도하거나 테스트 NLU 워크벤치할 수 없습니다.

    이 예시 시나리오에서는 의도, 발언, 엔터티 및 관련 주석을 추가하여 충분한 모델 콘텐츠를 이미 빌드했습니다. 예제 절차에 따라 먼저 모델을 교육합니다 NLU . 그런 다음 예측 결과와 신뢰도 점수를 확인할 수 있도록 발언을 수동으로 입력하여 모델을 시험해 봅니다.

    프로시저

    1. 다음으로 이동 모두 > NLU 워크벤치 > 모델.
      탭은 가상 에이전트 기본적으로 열립니다.
    2. 모델의 애플리케이션에 대한 탭을 선택한 다음 모델의 이름을 선택합니다.
    3. 모델 개요의 모델 상세 정보 탭에서 의도, 엔터티 및 어휘에 충분한 콘텐츠가 있는지 확인합니다.
    4. 모델 개요에서 모델 카드 빌드 및 학습 에서 단계 보기를 선택합니다.
      모델 개요에서 모델 빌드 및 교육 단계 카드입니다.
    5. 모델 빌드 및 교육 단계가 열리면 모델 교육 탭이 선택되어 있는지 확인합니다.
      결과:모델 학습 탭에는 모델이 마지막으로 학습된 시간이 표시되며 마지막 학습 이후의 콘텐츠 변경 내용도 요약되어 있습니다(있는 경우).학습 및 시도 패널이 강조 표시된 모델 빌드 및 교육 단계 뷰.
    6. 학습 단추를 선택합니다.
      결과: 교육 중에 시스템에 진행률 표시줄이 표시됩니다. 완료되면 다음 두 가지 권장 사항 중 하나가 표시됩니다.
      • 모델 의도의 60% 미만이 기본 테스트 세트에 포함되는 경우 시스템은 더 많은 테스트 발언을 추가할 것을 권장합니다. 테스트 세트 생성 및 관리 문서를 참조하십시오.교육 후 표시되는 테스트 발언을 추가하는 권장 사항입니다.
      • 모델 의도의 60% 이상이 기본 테스트 세트에 포함되는 경우 시스템에서 테스트를 진행할 것을 권장합니다. 모델 테스트 및 게시 문서를 참조하십시오.교육 후 표시되는 테스트를 진행하기 위한 권장 사항입니다.
    7. 개별 발언을 수동으로 시도하려면 모델 시도 탭을 선택합니다.
    8. Enter an utterance to test(테스트할 발화 입력) 아래의 텍스트 필드에 발화를 입력하고 Go(이동)를 선택합니다.
      결과가 표시된 모델 시도 섹션.

    결과

    이 예제에서는 시도할 발언으로 I need to update my home address 를 입력했습니다.
    1. 시스템은 모델의 신뢰도 임계값을 표시하며, 이 예에서는 76%입니다.
    2. 시스템은 상위 예측에서 신뢰 점수가 임계치보다 큰 것으로 예측된 모든 의도를 표시합니다.
    3. 이 예제에서 의도 UpdateAddress 는 임계값 76%보다 큰 신뢰도 점수 97%로 예측됩니다.
    모델 시도 결과에는 피드백을 제공할 수 있도록 좋아요 및 싫어요 아이콘도 표시됩니다. 자세한 내용은 테스트 패널 피드백 문서를 참조하십시오.

    다음에 수행할 작업