Обработка естественного языка (NLP)
Наши собственные передовые технологии NLP
Улучшайте цифровой сервис с помощью чат-ботов, которые способны как человек поддерживать содержательный разговор с клиентами и сотрудниками. Наши собственные, самые современные технологии для обработки естественного языка позволяют чат-ботам понимать, запоминать, обучаться, используя информацию, полученную во время каждого взаимодействия, и действовать по ситуации.
Точная интерпретация с меньшим количеством ложных срабатываний
Полноценное общение
Быстрая ликвидация пробелов в разработке
Требуется меньше обучающих данных для поддержки естественного языка
Изменение назначения обучающих данных
Поддержка контекста запроса пользователя в течение всего диалога или сеанса
Извлечение, хранение и предоставление данных, получение информации из доступных боту систем
Настройка способа хранения контекстных данных во время сеанса
Использование предварительно обученных NLP- моделей для совершенствования NLP вашего чат-бота
Обработка естественного языка (NLP)
Чтобы ваш чат-бот мог разбить предложение на части, с целью понять его значение, нам надо определить основные части предложения. Действенным способом, которым пользуется широкий круг исследователей искусственного интеллекта, является разграничение Сущностей и Намерений.
Сущность в предложении - это объект в реальном мире, который можно назвать. Наши модели NLP отлично определяют сущности и могут делать это почти так же точно, как человек. С помощью NLP модуля бот распознаёт слова в высказывании пользователя для того, чтобы обеспечить соответствие всех доступных полей поставленной задаче, или при необходимости собирает дополнительные данные поля. Цель определения сущности - заполнить все пробелы, необходимые для выполнения задачи, не обращая внимания на ненужные подробности. Это субтрактивный процесс, в ходе которого чат-бот получает только необходимую информацию, будь она предоставлена пользователем вся целиком или получена в процессе управляемого разговора с чат-ботом.
Намерение в предложении представляет собой цель высказывания. В предложении типа ‘Хочу купить два билета на новый фильм Спилберга’ можно легко распознать намерение совершить покупку. Однако, во многих предложениях нет ярко выраженного намерения, и боту часто бывает трудно его определить, но, повторимся, наши модели NLP распознают их очень успешно. Цель распознавания намерения заключается не в том, чтобы просто сопоставить высказывание с задачей, а в том, чтобы сопоставить высказывание с правильно намеченной задачей. Мы добиваемся этого сопоставляя глаголы и существительные с как можно большим количеством очевидных и неочевидных синонимов.
Краткий обзор NLP
Чтобы NLP выполнял определенные задачи, пользователям необходимо определить все типы сущностей и намерений, которые должен распознать бот. Иными словами, пользователю нужно создать несколько NLP-моделей, по одной для каждой сущности или намерения, чтобы чат-бот мог их распознать. Пользователи могут создавать на нашей платформе столько NLP-моделей, сколько необходимо. Так, например, можно создать такую NLP-модель намерения, которая позволит боту услышать, желает ли пользователь совершить покупку. И модель сущности, которая будет определять местоположение, и еще одну, которая будет распознавать возраст. Затем ваши чат-боты могут использовать все три, чтобы предложить пользователю сделать покупку, с учётом его возраста и местоположения.
На нашей платформе пользователям не нужно создавать новую NLP-модель для каждого нового бота. Все чат-боты имеют доступ ко всем NLP-моделям, обученным пользователем.
Чтобы со временем разработать NLP-модель, которая с каждым разом всё точнее решает интересующие пользователя задачи, пользователь захочет, чтобы чат-бот мог обучаться, в том числе, на своих ошибках. Машинное обучение - актуальная тема в свете поисков истинного искусственного интеллекта. Наши модели воплощают машинное обучение в том смысле, что опираясь на предоставленные примеры предложений и их результаты, модель, сталкиваясь с новыми предложениями, будет способна принимать новые решения.
Обучение
Наша платформа также предлагает то, что иногда называют "машинное обучение с учителем". Проанализировав свои диалоги, вы можете определить области, в которых чат-боту нужно дополнительное обучение, ввести предложения, с которыми возникли затруднения, и правильный результат, к которому бот должен прийти, изучив эти предложения. Машинное обучение с учителем даёт более высокий результат на следующем этапе обучения без учителя. Такое цикличное обучение бота, чередующее работу с вашей помощью и без нее, даёт в итоге очень точную модель, успешно выполняющую поставленные задачи.
Заранее обученные NLP-модели
Отличная новость заключается в том, что мы предоставляем заранее обученные NLP-модели.
Это самые современные модели для поиска сущностей, обученные на большом наборе данных.
Так, например, наша NLP-модель "Negative Entities" идеально подходит для того, чтобы определить, что пользователь недоволен. Вы можете за считанные минуты развернуть эту модель, и ваш чат-бот сможет анализировать диалоги и отвечать, например, так: ‘Я вижу, вам не нравится наш разговор, может, вы хотите поговорить с человеком?’ И тогда, если пользователь захочет, бот может позвать человека, послав ему СМС или Email.
