AI NLU Chatbot

給你的Chatbot腦袋!如何用NLU突破回覆障礙?

莊翔安 Ann Chuang 2020/01/03 18:34:17
305

 

齁氣氣氣氣氣!做這麼多功能,Chatbot聽不懂、對應不到正確的服務也是枉然啊!過來人含淚忠告:大腦是個好東西,Chatbot需要有一個,NLU就是你缺的那個。

Chatbot不管是運用在閒聊、還是服務,都建立在要備有交談能力的前提之上,需要能聽懂你的話、給予正確回應。先前介紹了常見的Chatbot (看這裡有今生無來世 為何企業採用Chatbot總失敗?),其中幾種會出現Chatbot聽不懂、或是答非所問的窘境,今天要跟大家分享SysTalk.chat如何用雙腦一流程中的NLU大腦Chatbot突破各種回覆障礙!

(created by freepik)

 

SysTalk.chat打造NLU大腦 Intent-Entity賦予Chatbot理解能力

不同於已訂定規則的程式語言,人類隨文化發展出的自然語言自由度更高,同一件事可有不同的說法,因此難以規範完善的關鍵字比對規則進行人機溝通,NLU (Natural Language Understanding, 自然語言理解)就是針對自然語言研究的技術,目的讓機器聽懂人類語言

SysTalk.chatNLU模組運用自然語言理解技術,進行意圖分類(Intent)Entity(實體識別),讓Chatbot理解對話內容,正確掌握使用者服務需求與資訊,以供後續進行對應的服務流程。

(SysTalk.chat NLU大腦)

Intent — 意圖分類:判斷使用者提出的需求

當你尋求服務時,客服人員首先會了解你需要什麼幫助,Chatbot也是一樣的。假設Chatbot提供3種服務:天氣查詢、報失申請、餘額查詢,當user提出需求時,就會根據NLU演算法分解該語句詞彙、再定位於多維向量空間中,並使用分類模型判斷user的服務意圖。

會下雨嗎、我要查天氣、降雨機率多少查詢天氣意圖
手機不見了、我要報失申請報失意圖
我要查餘額、帳戶還剩多少錢查詢餘額意圖

 

(意圖向量空間,以三維空間為例)

SysTalk.chat使用台灣在地的NLU演算法、完整的意圖空間分類訓練工具,即使字面上的差異如「我要查天氣」、「降雨機率多少」,也能透過空間位置察覺兩者帶有 「天氣」的關聯,從而正確判斷user意圖。

 

Entity — 實體識別:抓取服務流程的必備資訊

要執行特定服務,還需要從對話中獲得相關的必要實體資訊。想像現在有人向你詢問天氣,你至少還需要時間、地點資訊才能回應,因此機器人需要從對話內容識別出哪個字/詞是實體資訊(eg.台北),並且判斷指涉哪個實體項目(台北地點),才能正確提供服務。

 

使用者:明天早上會下雨嗎?

--- 天氣查詢所需實體資訊 ---
 [地點] ?
 [時間]明天早上 V
-------------------------

機器人:請問想要查詢哪個縣市的天氣呢?

使用者:台北

--- 天氣查詢所需實體資訊 ---
 [地點]台北
 [時間]明天早上
-------------------------

機器人:好的!台北明天早上的天氣狀況...

 

(SysTalk.chat 實體識別實例)

 

SysTalk.chat17種預設實體項目已訓練完成,包括時間、地址、金額等等常見通用實體,可供使用者自由選用,加速建置上線時間,小編覺得這17種實體真的很實用!

\

(SysTalk.chat內建實體)

 

 

道理我都懂,但到底怎麼建置?
別擔心!SysTalk導入顧問教你建聰明NLU腦!

上面小編講了這麼多,正在閱讀的你是不是也有點頭暈呢?Chatbot透過好的意圖分類、實體識別可以正確理解對話內容,但到底要怎麼樣才能建置出好的NLU大腦?其實最重要的是要透過專業導入顧問先訪談,規劃梳理符合需求、不互相衝突的意圖與實體,就可以打造聰明、不混亂的服務腦!小編之後再跟大家分享SysTalk導入顧問規劃思緒清晰大腦的方法!

 

SysTalk.ChatNLUFAQFLOW產品模組,賦予AI機器語意理解大腦、建立對話邏輯,透過雙腦一流程完成交談式服務,讓AI透過對話解決真實世界的問題,輔助所有工作者。

聯絡SysTalk了解更多 → http://bit.ly/2SNU9Rr

 

莊翔安 Ann Chuang