의도

모델이 사용자 입력을 받으면 의도 를 사용하여 시스템 작업을 수행합니다. 예를 들어, 사용자는 느린 랩톱에 심각한 문제가 있습니다. 모델은 발화 입력을 의도 #TroubleshootSlowComputer와 일치시킵니다. 의도가 주제에 연결되면 가상 에이전트 추가 작업이 트리거됩니다.

의도에는 교육 발언 또는 시스템 작업을 트리거하는 사용자 입력의 예가 포함되어 있습니다. 모델이 사용자로부터 접할 수 있는 현실적인 발언을 제공합니다. 교육 발언의 품질은 모델의 정확도에 영향을 미칩니다.

자세한 내용은 NLU 의도 문서를 참조하십시오.

엔터티

의도는 엔터티 를 사용하여 입력을 받을 때 모델에 대한 추가 컨텍스트를 제공합니다. 컴퓨터 예에서 랩톱은 작업의 엔터티 또는 객체입니다.

NLU 엔터티는 시스템 정의 와 사용자 정의의 두 가지 범주로 나뉩니다. DATE, TIME, LOCATION과 같은 시스템 엔터티는 인스턴스에서 기본적으로 사용할 수 있습니다. 고유한 사용자 정의 엔터티를 생성하여 비즈니스 요구 사항에 대한 추가 연결 및 의미를 제공할 수 있습니다.

모든 엔터티는 다른 NLU 모델에서 다시 사용할 수 있습니다. 그러나 각 모델이 사용하려면 교육 발언에 추가해야 합니다.

자세한 내용은 NLU 엔터티 문서를 참조하십시오.

어휘

사용자의 입력에는 다양한 단어와 구문이 포함될 수 있습니다. 또한 모델이 전문 도메인이나 비즈니스 영역에서 사용되는 일부 용어를 이해하지 못할 수 있습니다.

모델이 광범위한 사용자 입력을 이해하는 능력을 향상시키려면 어휘 항목을 생성하여 동의어를 정의할 수 있습니다.

예를 들어 모델에 컴퓨터라는 용어에 대한 엔터티가 포함되어 있습니다. 사용자가 새 컴퓨터가 필요합니다를 입력하면 모델은 응답하는 방법을 알고 있습니다. 그러나 사용자가 랩톱 이나 워크스테이션을 입력하면 모델이 의도를 예측하지 못할 수 있습니다. 모델에 어휘를 추가하여 동의어와 변형을 이해하도록 학습시킬 수 있습니다.

테이블과 목록을 어휘 소스로 사용할 수도 있습니다. 모델은 의도를 예측할 때 어휘 소스를 조회할 수 있습니다.

자세한 내용은 NLU 어휘 문서를 참조하십시오.

테스트 세트

모델에는 모델의 성능을 평가하는 데 사용할 수 있는 기본 테스트 세트가 포함되어 있습니다. 처음에는 테스트 세트가 비어 있고 컨텐츠로 채울 준비가 되었습니다. 테스트 발언과 예상 의도를 추가하여 테스트 세트를 빌드합니다.

자세한 내용은 테스트 세트 생성 및 관리 문서를 참조하십시오.

테스트 패널

모델 빌드 및 교육 단계에서 모델 교육 또는 모델 시도를 클릭하여 테스트 패널에 액세스합니다. 교육은 새 컨텐츠를 모델에 통합합니다. 모델 시도를 사용하면 개별 발화를 수동으로 입력하여 모델이 예측하는 의도를 테스트할 수 있습니다.

자세한 내용은 NLU 모델 교육 및 시도 문서를 참조하십시오.

테스트 패널을 사용하여 모델의 예측에 대한 피드백을 제공할 수도 있습니다. 귀하의 피드백은 의도 예측을 개선하는 데 도움이 됩니다. 테스트 패널 피드백 문서를 참조하십시오.

설정

설정 탭을 사용하여 모델의 이름, 간단한 설명 및 신뢰도 임계치를 편집합니다. 모델의 언어나 용도는 변경할 수 없습니다.

신뢰도 임계치에 대한 자세한 내용은 다음 문서를 참조하십시오 모델 테스트 및 게시. 설정에 대한 자세한 내용은 문서를 참조하십시오 NLU 모델 설정.