Natural Language Understanding

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

    • ServiceNow® Natural Language Understanding( NLU) Stellt bereit NLU-WorkbenchUnd NLURückschlussservice, den Sie verwenden können, damit das System lernen und auf menschlich geäußerte Absichten reagieren kann. Durch Eingabe von Beispielen in natürlicher Sprache in das System helfen Sie IT, Wortbedeutungen und -Kontexte zu verstehen, damit Anwender- oder Systemaktionen abgeleitet werden können.

    Übersicht über Natural Language Understanding

    Abbildung : 1. Anwendereingabe-Flow im NLU-Modellerstellungsprozess
    Dieses Bild zeigt den Anwendereingabe-Flow im NLU-Modellerstellungsprozess.
    Dieses Bild zeigt den Anwendereingabe-Flow im NLU-Modellerstellungsprozess.

    NLU Terminologie

    In NLUDiese Begriffe identifizieren die wichtigsten Sprachkomponenten, die das System zum Klassifizieren, Analysieren und anderweitigen Verarbeiten von Inhalten in natürlicher Sprache verwendet.
    Zweck
    Etwas, das ein Anwender tun möchte oder was Ihre Anwendung verarbeiten soll, z. B. Zugriffsgewährung.
    Äußerung
    Ein Beispiel in natürlicher Sprache für eine Anwenderabsicht. 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 dürfen daher keine oder mehrdeutigen Bedeutungen oder Absichten enthalten.
    Entität
    Das Objekt oder der Kontext für eine Aktion. Beispiel: Ein Laptop, eine Anwenderrolle oder eine Prioritätsstufe.
    Systementität
    Diese sind in einer Instanz vordefiniert und haben stark wiederverwendbare Bedeutungen, z. B. Datum, Uhrzeit und Standort.
    Anwenderdefinierte Entität
    Diese werden im System von Anwendern erstellt und können aus Wörtern in den von ihnen erstellten Äußerungen erstellt werden.
    Allgemeine Entität
    Ein Kontext, der häufig über ein vordefiniertes Entitätsmodell verwendet und extrahiert wird, z. B. Währung, Organisation, Personen oder Menge.
    Vokabular
    Vokabular wird verwendet, um Wortbedeutungen zu definieren oder zu überschreiben. Sie können beispielsweise dem Akronym „MS“ das Synonym „Microsoft“ zuweisen.
    NLU-Modell
    Eine Sammlung von Äußerungsbeispielen und den 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 veranschaulicht, wie Natural Language UnderstandingVerarbeitet und rendert Äußerungsbeispiele in Absichten und Entitäten im System.

    Abbildung : 2. NLU verarbeitet und rendert Äußerungsbeispiele in Absichten und Entitäten
    Dieses Bild zeigt, wie das Verständnis natürlicher Sprache Äußerungsbeispiele verarbeitet und in Absichten und Entitäten im System gerendert.

    NLU-Workbench

    Verwenden Sie NLU-WorkbenchZum Erstellen morphologischer Darstellungen der menschlichen Sprache. Mit diesen Modellen können Sie Absichten und Entitäten erstellen, die in Äußerungen in natürlicher Sprache ausgedrückt werden. Beliebig ServiceNowAnwendung kann aufrufen NLUModell zum Abrufen einer Rückschlüsse auf Absichten und Entitäten in einer bestimmten Äußerung.

    Mit nlu_admin Rolle, erstellen Sie Ihre Modelle in NLU-Workbench, Wo Sie sie iterativ erstellen, trainieren, testen und veröffentlichen.

    Abbildung : 3. Übersicht über die NLU-Erstellungs-API, die Administratoren beim Erstellen ihrer Modelle unterstützt
    Dieses Bild zeigt, wie die NLU-Erstellungs-API NLU-Administratoren beim Erstellen ihrer NLU-Modelle unterstützt.

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

    NLU Rückschlussservice

    Natural Language UnderstandingStellt bereit NLURückschlussservice, der dem System hilft, natürliche Sprache zu verstehen und intelligente Aktionen voranzutreiben. Dieser Service trainiert und vorhersagt Absichten und Entitäten für eine bestimmte Anwenderäußerung in Ihrem Modell, damit der Text in maschinenverständliche Formate wie APIs und Parameter übersetzt wird.

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

    Hier verwendet das System eine Inferenz-API zum Trainieren NLUAlgorithmen durch Verwendung von Beispieldatensatzdaten, um Absichten und Entitäten zu identifizieren, die starke Kandidaten für eine genaue Vorhersage sind.

    NLU-Modellverbrauch

    Sonstiges ServiceNow®Anwendungen verbrauchen NLUModellausgabe, z. B. Virtual Agent.

    Abbildung : 5. Übersicht über die Virtual Agent-Anwendung, die NLU nutzt
    Dieses Bild zeigt, wie die Virtual Agent-Anwendung natürliches Sprachverständnis nutzt.

    Beispiel: Virtual AgentAdministratoren können konfigurieren Virtual Agent-DesignerKonversations-Flow zur Nutzung von NLU-Modellen, damit Service Desk-Mitarbeiter-Chatbots Anwenderanweisungen in der Konversation besser verstehen können. Um weitere Informationen dazu zu erhalten Virtual AgentVerbraucht NLU-Modelle, siehe: Themen-Discovery für natürliches Sprachverständnis (Natural Language Understanding, NLU) in Virtual Agent .

    Erste Schritte

    Problembehandlung und Hilfe