Czym jest „wypowiedź” w sztucznej inteligencji?: przykłady, zestawy danych i najlepsze praktyki

Czy zastanawiałeś się kiedyś, jak chatboty i wirtualni asystenci budzą się, gdy mówisz „Hej Siri” lub „Alexa”? Dzieje się tak ze względu na gromadzenie wypowiedzi tekstowych lub wyzwalanie słów wbudowanych w oprogramowanie, które aktywuje system, gdy tylko usłyszy zaprogramowane słowo budzące.

Jednak cały proces tworzenia dźwięków i danych wypowiedzi nie jest taki prosty. Jest to proces, który należy przeprowadzić odpowiednią techniką, aby uzyskać pożądane rezultaty. Dlatego ten blog pokaże drogę do tworzenia dobrych wypowiedzi/słów wyzwalających, które bezproblemowo współpracują z Twoją konwersacyjną sztuczną inteligencją.

Czym jest „wypowiedź” w sztucznej inteligencji?

W sztucznej inteligencji konwersacyjnej (chatboty, asystenci głosowi) wypowiedź to krótki fragment danych wprowadzanych przez użytkownika – dokładne słowa wypowiadane lub wpisywane przez osobę. Modele wykorzystują wypowiedzi do określenia intencji (celu) użytkownika i wszelkich elementów (szczegółów takich jak daty, nazwy produktów, ilości).

Proste przykłady

Bot e-commerce

Wypowiedź: „Śledź moje zamówienie 123-456".

• Intencja: TrackOrder
• Jednostka: order_id = 123-456

Bot telekomunikacyjny

Wypowiedź: „Uaktualnij mój plan danych".

• Intencja: Plan zmiany
• Jednostka: typ_planu = dane

Asystent głosowy bankowości

Wypowiedź (mówiona): „WJakie jest moje dzisiejsze saldo na rachunku bieżącym?"

• Intencja: Sprawdź saldo
• Podmioty: account_type = konto bieżące, date = dzisiaj

Dlaczego Twoja sztuczna inteligencja konwersacyjna potrzebuje dobrych danych dotyczących wypowiedzi

Jeśli chcesz, aby Twój chatbot lub asystent głosowy był pomocny, a nie kruchy, zacznij od lepszych danych dotyczących wypowiedzi. Wypowiedzi to surowe frazy, które ludzie wypowiadają lub wpisują, aby załatwić sprawy („zarezerwuj mi pokój na jutro”, „zmień mój plan”, „jaki jest status?”). Wspierają one klasyfikację intencji, ekstrakcję encji i ostatecznie wpływają na doświadczenie klienta. Gdy wypowiedzi są zróżnicowane, reprezentatywne i dobrze oznaczone, Twoje modele uczą się właściwych granic między intencjami i z gracją radzą sobie z chaotycznymi, rzeczywistymi danymi wejściowymi.

Tworzenie repozytorium wypowiedzi: prosty przepływ pracy

1. Zacznij od prawdziwego języka użytkownika

Kopalnia logi czatów, zapytania wyszukiwania, transkrypcje IVR, notatki agentai e-maile od klientów. Grupuj je według celu użytkownika, aby zasiać intencje. (Uchwycisz kolokwializmy i modele myślowe, o których nie pomyślałbyś w pokoju).

2. Twórz wariacje celowo

Dla każdego zamiaru autor podaje różne przykłady:

• Przeformułuj czasowniki i rzeczowniki („anulować”, „zatrzymać”, „kończyć”, „planować”, „subskrypcja”).
• Mieszaj długości zdań i ich strukturę (pytanie, dyrektywa, fragment).
• W razie potrzeby uwzględnij literówki, skróty, emotikony (do czatu) i zamianę kodów.
• Dodaj przypadki negatywne, które wyglądają podobnie, ale powinny nie mapę do tego zamiaru.

3. Zrównoważ swoje zajęcia

Bardzo asymetryczne szkolenie (np. 500 przykładów dla jednej intencji i 10 dla pozostałych) negatywnie wpływa na jakość prognoz. Zachowaj rozmiary intencji są stosunkowo równe i rozwijaj je razem, w miarę jak uczy Cię ruch uliczny.

4. Sprawdź jakość przed szkoleniem

Blokuj dane o niskim sygnale za pomocą walidatory w trakcie tworzenia/zbierania:

• Wykrywanie języka: upewnij się, że przykłady są w języku docelowym.
• Detektor bełkotu: łapać bezsensowne ciągi znaków.
• Sprawdzanie duplikatów/prawie duplikatów: zachowaj dużą różnorodność.
• Wyrażenia regularne/pisownia i gramatyka: w razie potrzeby egzekwować zasady stylu.
  Inteligentne walidatory (stosowane przez Appen) mogą zautomatyzować znaczną część tego procesu.

5. Etykietuj podmioty w sposób spójny

Zdefiniuj typy slotów (daty, produkty, adresy) i pokaż adnotatory jak zaznaczyć graniceWzory takie jak Wzór dowolny w LUIS może rozróżniać długie, zmienne zakresy (np. nazwy dokumentów), które mylą modele.

6. Testuj jak produkcję

Naciskać niewidzialny rzeczywiste wypowiedzi do punktu końcowego przewidywania lub bota przejściowego, przejrzyj błędne klasyfikacje i promować Wprowadź niejednoznaczne przykłady do treningu. Zrób z tego pętlę: zbieraj → trenuj → przeglądaj → rozwijaj.

Co tak naprawdę oznacza „chaotyczna rzeczywistość” (i jak sobie z nią radzić)

Prawdziwi użytkownicy rzadko mówią idealnymi zdaniami. Spodziewaj się:

• Paprochy: „zwrot opłaty za wysyłkę”
• Cele złożone: „anuluj zamówienie i zamów ponownie na niebiesko”
• Podmioty niejawne: „wysyłka do mojego biura” (musisz wiedzieć, do którego biura)
• Niejasność: „zmień mój plan” (który plan? kiedy wejdzie w życie?)

Praktyczne rozwiązania

• Zapewniać podpowiedzi wyjaśniające tylko wtedy, gdy jest to konieczne; unikaj proszenia o zbyt wiele.
• Zdobyć przeniesienie kontekstu (zaimki takie jak „tamto zamówienie”, „ostatni”).
• Zastosowanie intencje zapasowe z ukierunkowanym powrotem do zdrowia: „Mogę pomóc w anulowaniu lub zmianie planów — czego sobie życzysz?”
• Monitorowanie intencja zdrowotna (zamieszanie, kolizja) i dodaj dane tam, gdzie są słabe