NLU

NLU é um acrônimo para compreensão de linguagem natural. É uma parte do processamento de linguagem natural (PLN) Closed Também chamado PLN, esse processo entende a fala humana ou texto e responde com linguagem similar à dos humanos. que lida especificamente com a compreensão de leitura de máquina. É a parte de Bot Builder que permite a sua botClosed Um aplicativo de software que interage com os clientes no lugar de um agente humano ao vivo. para entender o que seus consumidores estão dizendo nas conversas para que ele possa fornecer a resposta mais útil.

A seção NLU do Bot Builder permite que você crie e gerencie as configurações que criam os recursos NLU do seu bot. Esses são entidades e intenções. Esses conceitos criam seus dados de treinamento e tornam seu bot mais inteligente.

Práticas recomendadas para dados de treinamento NLU

  • Sempre opte por qualidade em vez de quantidade. Não há problema em se começar com um conjunto de dados pequeno e construí-lo ao longo do tempo à medida que reúne mais exemplos de alta qualidade.
  • Use exemplos de conversas reais. Isto garante que os dados que usa são realistas. Eles vêm de coisas realmente ditas pelos seus contatos.
  • Não use ferramentas que geram dados automaticamente e afirmam treinar seu botClosed Um aplicativo de software que interage com os clientes no lugar de um agente humano ao vivo. mais rápido. Frequentemente, produzem exemplos que não refletem o que os contatos realmente dizem. Elas também podem resultar em um bot que perde sua capacidade de fazer generalizações. Com o tempo, o bot chega a um ponto em que só reconhece frases que já viu.
  • Não use os mesmos dados de treinamento para mais de uma intenção. Se reutilizar dados de treinamento, o bot não conseguirá determinar de forma confiável a intenção em interações com contatos em tempo real.
  • Permaneça flexível e disposto a ajustar intenções e histórias ao longo do tempo. À medida que revê dados de conversas, você pode descobrir que o que pensava ser duas intenções separadas na verdade são variações de uma mesma intenção mais geral. Ou você pode descobrir que uma intenção está geral demais e que você precisa dividi-la em mais intenções distintas.
  • Adicione novos exemplos de treinamento apenas se estes forem úteis.
    • Não adicione novos exemplos de treinamento que são muito parecidos com os exemplos existentes. Se o bot prever corretamente a intenção de um enunciado com alta confiança, a adição de mais exemplos parecidos não é útil para o bot.
    • Adicione mais exemplos de treinamento de enunciados que o bot previu incorretamente ou com baixa confiança.