自然语言处理 (NLP)

专有的尖端 NLP 技术

通过引入可以与客户和员工进行类似人的智能对话的聊天机器人来丰富数字体验。使用我们专有的、最先进的自然语言处理功能,使聊天机器人能够理解和记忆每次互动时收集的信息,从中学习并据此采取行动。

Interprets accurately with fewer false positives

减少错误判断信息,实现准确解读

Communicates comprehensively

全面沟通

Resolves development gaps faster

更快地解决发展差距

Requires less training data to be NL capable

只需较少训练数据即可具备NL能力

Repurposes training data

重设训练数据

Maintain the context of user’s request throughout a dialogue or session

在整个对话或会话期间保持用户请求的语境

Extract and Store actions taken, data provided, and information pulled from systems the bot can use

提取并存储采取的操作、提供的数据以及机器人可以使用的系统提取的信息

Customize how contextual data is stored at the session

自定义上下文数据在会话中的存储方式

Use Pre-trained NLP models to perfect your chatbot’s NLP

使用预先训练的 NLP 模型来完善您的聊天机器人的 NLP

自然语言处理 (NLP)

为了让您的聊天机器人能够分解句子以理解它的含义,我们必须考虑句子的基本部分。更广泛的人工智能研究人员这样做的一个有用方法是区分实体 (Entities)意图 (Intents).

句子中的实体是现实世界中可以命名的对象。我们的 NLP 模型在识别实体方面非常出色,其准确性已经接近人类。通过我们的 NLP 引擎,机器人会识别用户话语中的词语,以确保所有可用字段与手上的任务匹配,或者在需要时收集其他字段数据。 实体提取的目标是填补完成任务所需的任何漏洞,同时忽略不需要的细节。这是一个减法的过程,聊天机器人只获取必要的信息:无论是由用户一次性提供还是通过与聊天机器人的指导对话提供。

意图是陈述的目的或目标。在这种类型的句子中,“我想预订 2 张斯皮尔伯格新电影的票”,识别意图非常容易,即“进行预订”。然而,很多句子没有明确的意图。所以对于一个聊天机器人来说,识别意图更具挑战性,但是我们的 NLP 模型在这方面非常有效。 意图识别的目标不仅仅是将话语与任务相匹配,而是将话语与其正确预期的任务相匹配。我们通过将动词和名词与尽可能多的明显和非显而易见的同义词进行匹配来做到这一点。

I can book two cinema tickets for 8pm at the Savoy for £18. Please press 'yes' to confirm.
Natural Language Processing (NLP)

NLP 概述

为了使 NLP 适用于特定的目标,用户需要定义其希望机器人识别的所有类型的实体和意图。换句话说,用户将创建多个 NLP 模型,您需要聊天机器人识别的每个实体或意图都有一个。用户可以根据需要在我们的平台上构建尽可能多的 NLP 模型。因此,例如,您可以构建使机器人可以留意用户是否希望购买物品的 NLP 意图模型。还有一个识别位置的实体模型以及另一个识别年龄的模型。然后,您的聊天机器人可以利用这三种模型向用户提供购买选择,而该选择考虑了客户的年龄和位置。

在我们的平台上,用户不需要为他们创建的每个新机器人都构建一个新的 NLP 模型。所有创建的聊天机器人都可以选择访问用户训练过的所有 NLP 模型。

为了随着时间的推移开发 NLP 模型,以便在解决用户想要解决的任务时变得越来越精确,用户会希望聊天机器人能够学习,特别是从错误中学习。机器学习是寻找真正人工智能领域的热门话题。我们的模型体现了机器学习的意义,即在提供示例句子及其结果的基础上,模型将对它遇到的新句子作出决策。

训练

我们的平台还提供有时被称为监督式机器学习的内容。根据您对话中的数据,您可以发现聊天机器人在哪个方面需要更多的训练,并可输入您确认的有问题的句子以及机器人在检查句子时应该得出的正确结果。这种监督式机器学习将为下一轮无监督机器学习带来更高的成功率。这种在您监督下和独立进行句子评估之间的循环过程最终将带来一种高度精炼和成功的模型。

Training

预先训练的 NLP 模型

好消息是我们会提供预先训练的 NLP 模型。

这些是最先进的实体寻求模型,它们已经针对大量的句子数据集进行了训练。

因此,例如,我们的 NLP 模型 Negative Entities 非常适合用于识别用户的沮丧心情。您可以在几分钟内部署这个模型,您的聊天机器人将能够分析对话,并讲出‘我觉得您不喜欢这个对话,您想和人类代理对话吗?’然后如果您愿意的话,聊天机器人可以通过发短信或电子邮件来联系代理。

Pre-Trained NLP models

电子报订阅