Tehokkaan kielen ymmärtämisratkaisun suunnitteleminen

Luonnollisen kielen ymmärtäminen (NLU) on keskeinen osa sitä, miten Copilot Studio -agentit ymmärtävät käyttäjien kyselyitä ja tarjoavat asianmukaisia, tilannekohtaisia vastauksia. Hyvin määritelty lähestymistapa tarkoitusten tunnistamista, entiteettien poimimista ja varatoimintojen käsittelyä varten varmistaa, että agentit tarjoavat tehokkaita ja luonnollisia keskusteluja, jotka vastaavat liiketoiminnan tarpeita.

Kun käyttäjä antaa agentille syötteen, sitä kutsutaan lausahdukseksi. Agentin täytyy pilkkoa tuo lausahdus aikomuksiksi ja entiteeteiksi, jotta agentin vastaus tuntuu sekä luonnolliselta että tehokkaalta.

Mitä kielen ymmärtäminen on?

Kielen ymmärtäminen (LU) on luonnollisen kielen käsittelyn (NLP) osa-alue, jonka tavoitteena on mahdollistaa koneille ihmiskielen merkityksen, aikomuksen ja kontekstin ymmärtäminen.

Kaavio, joka havainnollistaa kielen ymmärtämisen käsittelyä.

Kielen ymmärtäminen sisältää seuraavat seikat:

  • Tarkoituksen tunnistaminen: Käyttäjän tavoitteiden tunnistaminen (esimerkiksi "Varaa lento Pariisiin ensi viikolla" vastaa tarkoitusta varata lento).
  • Entiteettien poiminta: Tärkeiden tietojen, kuten päivämäärien, sijaintien tai nimien, poiminta (esimerkiksi "Pariisi" on kohde, "ensi viikko" matkustusajankohta).
  • Kontekstitietoisuus: Jatkuvuuden ylläpitäminen ja epäselvyyksien ratkaiseminen keskustelussa (esimerkiksi pronominien tai viitteiden ymmärtäminen).
  • Epäselvyyksien käsittely: Kontekstin avulla voidaan ratkaista monimerkityksisten sanojen merkitys (esimerkiksi "bank" (pankki) rahoituslaitoksena tai joenrantana).

Kielen ymmärtäminen Copilot Studiossa

Copilot Studio tarjoaa kielen ymmärtämiseen joustavan mallin, jossa on useita määritysvaihtoehtoja.

Generatiivinen orkestrointi

Generatiivinen orkestrointi käyttää kielimalleja älykkäästi ketjuttaakseen aiheita, toimintoja ja tietoja. Tämä ominaisuus mahdollistaa usean tarkoituksen tunnistuksen, kehittyneen entiteettien poiminnan ja dynaamisten suunnitelmien luomisen monimutkaisille kyselyille.

Tämä menetelmä on oletusmenetelmä Copilot Studiossa. Tämä lähestymistapa tunnistaa useita tarkoituksia tai aiheita yhdestä lausahduksesta, ketjuttaa automaattisesti toiminnot ja tietolähteet sekä tuottaa yhtenäisiä vastauksia. Se on erityisen hyödyllinen käsiteltäessä monimutkaisia keskusteluita, jotka kattavat useita liiketoiminta-alueita. Generatiivisella orkestroinnilla on rajoituksia, esimerkiksi viisi viestiä per aihe tai toimintaketju ja 128 aihetta tai toimintoa per orkestrointi, mutta se tarjoaa tehokkaan keinon laajentaa keskustelun kattavuutta.

Lisätietoja on kohdassa Generatiivisen orkestroinnin ominaisuuksien käyttäminen.

Klassinen orkestrointi

Perinteinen orkestrointi käyttää käynnistinlauseita ja determinististä aiheen reititystä. Jos käyttäjän lausahdus vastaa käynnistinlausetta, suoritetaan vastaava aihe. Jos vastaavuutta ei löydy, varamekanismit tekevät haun tietolähteistä tai pyytävät käyttäjältä tarkennusta.

Valmis NLU

Tämä lähestymistapa oli oletustoiminto, mutta nyt se on varamenetelmä. Copilot Studio tarjoaa valmiin NLU-mallin, joka tukee käynnistinlauseita, ennalta määriteltyjä entiteettejä ja mukautettuja entiteettejä. Tämän mallin avulla agentit voivat tunnistaa käyttäjän tarkoituksen ja poimia keskeisiä tietoja, kuten päivämääriä, kohteita ja määriä suoraan kyselystä.

NLU+

Parhaan tarkkuuden saavuttamiseksi kannattaa käyttää NLU+-vaihtoehtoa. NLU+-vaihtoehto sopii erityisen hyvin suuriin yritystason sovelluksiin. Tämän tyyppisissä sovelluksissa on usein suuri määrä aiheita ja entiteettejä, ja ne hyödyntävät laajaa koulutusesimerkkien joukkoa. Jos sinulla on lisäksi äänipalvelua käyttävä agentti, NLU+-koulutusdataa käytetään myös puheentunnistusominaisuuksien optimointiin.

Azure CLU -integrointi

Edistyneissä skenaarioissa, joissa ei voi käyttää generatiivista oletusorkestrointia, voit integroida Azuren keskustelukielen ymmärtämisen (CLU). CLU mahdollistaa laajemman mukautuksen, monikielisen tuen sekä monimutkaisen entiteettien poiminnan (esimerkiksi useita mistä-entiteettejä). CLU-tarkoitukset tulee yhdistää Copilot Studion aiheisiin, jotta ne pysyvät synkronisoituina. Tämä vaihtoehto on erityisen arvokas toimialakohtaisissa sanastoissa, muiden kuin englanninkielisten kielten käsittelyssä ja tilanteissa, jotka vaativat suurta tarkkuutta.

Tärkeimmät ominaisuudet ja rajoitukset

Tämä taulukko vertaa Copilot Studion kolmea kielen ymmärtämisen menetelmää. Se tuo esiin niiden keskeiset ominaisuudet ja rajoitukset, jotta voit valita oikean mallin agentin monimutkaisuuden, mittakaavan ja tarkkuusvaatimusten mukaan.

Ominaisuudet ja rajoitukset Generatiivinen orkestrointi Valmis NLU-malli Mukautettu Azure CLU -malli
Tärkeimmät ominaisuudet
  • Käyttää suurta kielimallia
  • Käsittelee monimutkaisia lausahduksia, joissa on useita tarkoituksia, aiheita, toimintoja ja tietoja
  • Luo automaattisesti kysymyksiä puuttuville syötteille
  • Mahdollistaa korjaukset suorituksen aikana
  • Tuottaa yhtenäisen vastauksen aiheiden, toimintojen ja tietojen perusteella
  • Valmiiksi koulutettu oletusmalli, jossa on ennalta määritetyt entiteettityypit
  • Määritetty käyttämällä käynnistinlauseita ja mukautettuja entiteettejä (suljetut listat tai säännöllinen lauseke)
  • Tukee useita kieliä natiivimalleilla
  • Mukautettava tarkoituksen käynnistävä malli tarkkuuden ja toimialakohtaisten tarpeiden mukaan
  • Edistynyt entiteettien poiminta (esimerkiksi sama tyyppi, huomaamaton poiminta)
  • Entiteettien poiminta voi käyttää Copilot Studion vakio-NLU-ratkaisua
Rajoitukset
  • Viisi viestiä aihetta tai toimintoketjua kohden
  • Aiheiden ja toimintojen määrä käynnistystä varten on enintään 128
  • Yhden tarkoituksen tunnistus kyselyä kohden
  • Ei voi laajentaa
  • Useiden samantyyppisten entiteettien paikkojen täyttäminen vaatii täsmennystä
  • Yhden tarkoituksen tunnistus kyselyä kohden
  • Azure-pohjainen määritys ja lisäkustannukset
  • On Azure-palvelurajoituksia
  • Azure CLU -tarkoitukset ja Copilot Studion aiheet on pidettävä huolellisesti synkronoituna.

Lisätietoja on kohdassa Luonnollisen kielen ymmärtämisen (NLU) yleiskatsaus.

Aiheen rakenne ja vararatkaisu

Aiheet ovat siirtyneet jäykästä tarkoituspohjaisesta polusta joustavampaan, orkestrointilähtöiseen lähestymistapaan. Sen sijaan, että keskustelu perustuisi pelkästään ennalta määritettyihin käynnistimiin ja polkuihin, aiheet toimivat nyt modulaarisina ohjeina, joita agentti voi hyödyntää keskustelua orkestroidessaan. Generatiivinen orkestrointi käsittelee suurimman osan reitityksestä tulkitsemalla käyttäjän syötteen dynaamisesti, ja aiheet tarjoavat rakenteellisen vararatkaisun silloin, kun tarvitaan tarkkuutta.

Perinteisempi jäsennelty aiherakenne tekee keskusteluista luonnollisia ja tehokkaita. Aiheet voivat toimia aloituspisteinä, jotka aktivoituvat käyttäjän lausahduksista, tai uudelleenkäytettävinä aliaiheina, joita kutsutaan uudelleenohjauksilla ja järjestelmätapahtumilla. Täsmennysaiheet auttavat välttämään sekaannusta tilanteissa, joissa voidaan käynnistää useita aiheita. Vara-aihe ja keskustelun parantamisen aiheet taas toimivat turvaverkkona silloin, kun agentti ei pysty luotettavasti tunnistamaan käyttäjän tarkoitusta. Voit myös lisätä generatiivisten vastausten kerroksen ulkoisista tietolähteistä, jolloin käyttäjät harvoin jäävät ilman vastausta.

Lisätietoja on kohdassa Aiheiden kirjoittamisen parhaiden käytäntöjen noudattaminen.

Lokalisointi ja kielet

Copilot Studio -agentin käyttämä kieli määräytyy järjestelmämuuttujan arvon perusteella: System.User.Language.

Tämä muuttuja toimii keskeisenä ohjauspisteenä agentin kaikelle kieleen liittyvälle toiminnalle. Voit asettaa sen arvon manuaalisesti, ohjelmallisesti tai havaita sen automaattisesti.

Miten se toimii?

  • Hae tietoa käyttäjän kielellä: Copilot Studio käyttää kohdan System.User.Language arvoa hakiessaan tietolähteitä määritellyllä kielellä. Tämä lähestymistapa tarkoittaa sitä, että vaikka käyttäjä esittäisi kysymyksen yhdellä kielellä, agentti kääntää hakukyselyn kielelle, joka on määritelty kohdassa System.User.Language (automaattinen käännös hakukyselylle).

  • Vastaa käyttäjän kielellä: Agentti luo vastaukset kielellä, jonka System.User.Language määrittää. Näin tehdään riippumatta siitä, millä kielellä kysymys on esitetty tai millä kielellä alkuperäiset asiakirjat on luotu (automaattinen käännös vastausten luomista varten).

  • Manuaalinen ohitus: Voit määrittää kohdan System.User.Language arvon manuaalisesti pakottaaksesi agentin toimimaan tietyllä kielellä. Tämä ominaisuus on hyödyllinen testauksessa tai skenaarioissa, joissa kieltä on hallittava erikseen. Lisätietoja: Monikielisten agenttien määrittäminen ja luominen.

Puhutun kielen automaattinen tunnistus

Voit määrittää Copilot Studion tunnistamaan käyttäjän puhutun tai kirjoitetun kielen automaattisesti ja asettamaan System.User.Language-muuttujan vastaavasti. Tämä ominaisuus mahdollistaa saumattomat monikieliset kokemukset ilman, että käyttäjien tarvitsee valita kieltä.

Automaattinen tunnistaminen

  • Käynnistinpohjainen tunnistus: Kun botti vastaanottaa viestin, käynnistin käynnistää kielen tunnistustyönkulun.
  • Määritä järjestelmämuuttuja: Botti tallentaa havaitun kielen kohteeseen System.User.Language.
  • Dynaaminen vastaus: Agentti jatkaa keskustelua käyttämällä havaittua kieltä. Se myös etsii tietoja että tuottaa vastauksia vastaavasti.

Edut

  • Mukautettu kokemus: Käyttäjät keskustelevat haluamallaan kielellä ilman manuaalista määritystä.
  • Yhdenmukainen kokemus: Kaikki vastaukset ja tiedonhaut ovat yhdenmukaisia havaitun tai asetetun kielen kanssa.
  • Skaalautuva ratkaisu: Tukee maailmanlaajuisia käyttöönottoja minimaalisen määrityksen kanssa.

Vinkki

Tutustu esimerkkiratkaisuun, joka osoittaa, miten Copilot Studio -agentit voidaan ottaa käyttöön siten, että ne tunnistavat automaattisesti käyttäjän puhutun kielen ja vaihtavat johonkin agentille määritettyyn hyväksyttyyn kieleen kohdassa Kielen automaattinen tunnistaminen generatiivisia vastauksia varten.

Lokalisoinnin parhaat käytännöt

  • Määritä tuetut kielet: Määritä ensisijaiset ja toissijaiset kielet agentille. Käytä lokalisointitiedostoja (JSON tai ResX), jos haluat tarjota käännöksiä kehotteille, viesteille ja aiheille.
  • Testaa monikielisiä skenaarioita: Simuloi käyttäjien vuorovaikutusta eri kielillä varmistaaksesi sujuvat siirtymät ja tarkat vastaukset.
  • Käytä automaattista käännöstä: Luota Copilot Studion valmiiseen käännökseen tietohakua ja vastausten luomista varten, mutta tarjoa mukautettuja käännöksiä tärkeälle tai vivahteikkaalle sisällölle.
  • Seuraa ja tarkenna: Hyödynnä analytiikkaa kielen käytön seuraamisessa ja lokalisoinnin kattavuuden parantamisessa ajan kuluessa.

Copilot Studio -agenttien kielten lähestymistavat:

  • erilliset agentit jokaiselle kielelle
  • monikieliset agentit, joilla on valmiiksi luodut käännökset
  • reaaliaikaiset monikieliset agentit, jotka käyttävät käännöspalveluita käyttäjän ja agentin välillä.

Oikea lähestymistapa määräytyy käytön, erotteluun liittyvien huolien, mittakaavan, päivitysrytmin ja käytettävissä olevien resurssien mukaan.

Tunnistetut tekniset haasteet

Tyypillisiä haasteita ovat Azure CLU:n ja Copilot Studio -aiheiden synkronointi, epäselvien lausahdusten käsittely sekä monikielisten käyttöönottojen skaalautuminen. Näiden esteiden varhainen tunnistaminen mahdollistaa torjuntastrategioiden suunnittelun, kuten varasuunnitelmien määritykset, käynnistinlauseiden joukkotestaus tai välityspohjaiset käännöspalvelut.

Kielen ymmärtämisen tavoitteena on varmistaa, että jokainen agentti osaa tulkita käyttäjien kyselyt tarkasti, mukautua erilaisiin kieliin ja tilanteisiin sekä käsitellä odottamattomia tapahtumia sujuvasti. Tämä tavoite luo vahvan perustan luotettaville, mukaansatempaaville ja tehokkaille Copilot Studio -keskusteluille.

  • Last updated on