Natural Language Understanding

  • Freigeben Version: Yokohama
  • Aktualisiert 30. Januar 2025
  • 4 Minuten Lesedauer

    • ServiceNow® Natural Language Understanding (NLU) bietet einen Inferenzservice NLU-Workbench für und NLU, mit denen Sie das System in die Lage versetzen können, von Benutzern formulierte Absichten zu verstehen und darauf zu reagieren. Durch Eingabe von Beispielen in natürlicher Sprache in das System unterstützen Sie es, Wortbedeutungen und Kontexte zu verstehen, damit es Rückschlüsse aus Benutzer- oder Systemaktionen ziehen kann.

    Übersicht über Natural Language Understanding

    Abbildung : 1. Flow für Benutzereingaben im Erstellungsprozess des NLU-Modells
    Diese Abbildung zeigt den Benutzereingabe-Flow im NLU-Modellerstellungsprozess.
    Diese Abbildung zeigt den Benutzereingabe-Flow im NLU-Modellerstellungsprozess.

    NLU-Terminologie

    In der NLU -Sprache identifizieren diese Begriffe die wichtigsten Sprachkomponenten, die das System zum Klassifizieren, Analysieren und anderweitigen Verarbeiten von Inhalten in natürlicher Sprache verwendet.
    Zweck
    Etwas, was ein Benutzer tun möchte oder was die Anwendung behandeln soll, z. B. Zugriff gewähren
    Äußerung
    Ein Beispiel für die Benutzerabsicht in natürlicher Sprache. Zum Beispiel eine Textzeichenfolge in der Kurzbeschreibung eines Incidents, ein Chat-Eintrag oder eine E-Mail-Betreffzeile Äußerungen werden zum Erstellen und Trainieren von Absichten verwendet und sollten daher nicht mehrere oder mehrdeutige Bedeutungen oder Absichten enthalten.
    Entität
    Das Objekt oder der Kontext einer Aktion. Zum Beispiel: ein Laptop, eine Benutzerrolle oder eine Prioritätsstufe.
    Systementität
    Diese sind in einer Instanz vordefiniert und haben hochgradig wiederverwendbare Bedeutungen, z. B. Datum, Uhrzeit und Standort.
    Anwenderdefinierte Entität
    Diese werden von Anwendern im System erstellt und können aus Wörtern in den von Anwendern erstellten Äußerungen erstellt werden.
    Allgemeine Entität
    Ein häufig verwendeter und über ein vordefiniertes Entitätsmodell extrahierter Kontext, z. B. Währung, Organisation, Personen oder Menge.
    Vokabular
    Vokabular wird verwendet, um Wortbedeutungen zu definieren oder zu überschreiben. Beispielsweise können Sie dem Akronym „MS“ das Synonym „Microsoft“ zuweisen.
    NLU-Modell
    Eine Sammlung von Äußerungsbeispielen und die zugehörigen Absichten und Entitäten, die das System als Referenz verwendet, um Absichten und Entitäten in einer neuen Äußerung abzuleiten. Die NLU-Workbench enthält vorgefertigte NLU-Modelle für bestimmte Geschäftsbereiche, z. B. ein ITSM-Modell. Sie können auch anwenderdefinierte Modelle erstellen.

    Dieses Bild zeigt, wie Natural Language Understanding Prozesse und Äußerungsbeispiele in Absichten und Entitäten im System darstellt.

    Abbildung : 2. NLU verarbeitet und rendert Äußerungsbeispiele in Absichten und Entitäten
    Diese Abbildung zeigt, wie Natural Language Understanding Äußerungsbeispiele verarbeitet und in Absichten und Entitäten im System rendert.

    NLU-Workbench

    Verwenden Sie NLU-Workbench, um morphologische Darstellungen der menschlichen Sprache zu erstellen. Mit diesen Modellen können Sie Absichten und Entitäten erzeugen, die in natürlichen Sprachäußerungen ausgedrückt werden. Jede Anwendung ServiceNow kann ein Modell NLU aufrufen, um einen Rückschluss auf Absichten und Entitäten in einer bestimmten Äußerung zu erhalten.

    Mit der Rolle nlu_admin erstellen Sie Ihre Modelle in NLU-Workbenchund können sie dort iterativ erstellen, trainieren, testen und veröffentlichen.

    Abbildung : 3. Übersicht über die NLU-Erstellungs-API, die Administratoren beim Erstellen ihrer Modelle hilft
    Diese Abbildung zeigt, wie die NLU Authoring API NLU-Administratoren beim Erstellen ihrer NLU-Modelle hilft.

    Informationen zum Erstellen und Verwenden eines NLU-Modells finden Sie unter: NLU-Modell erstellen.

    NLU Rückschlussservice

    Natural Language Understanding stellt einen Inferenzservice NLU für bereit, mit dem das System natürliche Sprache verstehen und intelligente Aktionen ausführen kann. Dieser Service trainiert und prognostiziert Absichten und Entitäten für eine bestimmte Benutzeräußerung in Ihrem Modell, sodass der Text in maschinell verständliche Formate wie APIs und Parameter übersetzt wird.

    Abbildung : 4. Übersicht darüber, wie das System eine NLU-Inferenz-API zum Extrahieren von Absichten und Entitäten verwendet
    Diese Abbildung zeigt, wie das System eine NLU-Inferenz-API verwendet, um Absichten und Entitäten für eine bestimmte Äußerung zu extrahieren. Diese Abbildung zeigt, wie das System eine NLU-Inferenz-API verwendet, um Absichten und Entitäten für eine bestimmte Äußerung zu extrahieren.

    Hier verwendet das System eine Rückschluss-API, um NLU -Algorithmen anhand von Beispieldatensatzdaten zu trainieren, um Absichten und Entitäten zu identifizieren, die starke Kandidaten für eine genaue Vorhersage sind.

    Nutzung des NLU-Modells

    Andere ServiceNow® -Anwendungen verbrauchen die Ausgabe des Modells NLU, z. B. Virtual Agent.

    Abbildung : 5. Übersicht über die Virtual Agent-Anwendung, die NLU verbraucht
    Diese Abbildung zeigt, wie die Anwendung Virtual Agent Natural Language Understanding nutzt.

    Virtual Agent-Administratoren können beispielsweise einen Virtual Agent-Designer-Konversations-Flow so konfigurieren, dass NLU-Modelle verwendet werden, damit Agent Chatbots Benutzeraussagen in der Konversation besser verstehen können. Weitere Informationen dazu, wie Virtual Agent NLU-Modelle nutzt, finden Sie unter: Discovery von Themen für Natural Language Understanding (NLU) in Virtual Agent.

    Erste Schritte

    Problembehandlung und Hilfe