Natural Language Understanding

  • Freigeben Version: Zurich
  • Aktualisiert 31. Juli 2025
  • 3 Minuten Lesedauer

    • ServiceNow® Natural Language Understanding( NLU) Stellt eine bereit NLU-Workbench Und NLU Rückschlussservice, 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 unterstützen Sie es, Wortbedeutungen und Kontexte zu verstehen, damit es Rückschlüsse aus Benutzer- oder Systemaktionen ziehen kann.

    Übersicht über Natural Language Understanding

    Abbildung : 1. Anwendereingabe-Flow im NLU-Modellerstellungsprozess
    Diese Abbildung zeigt den Anwendereingabefluss im NLU-Modell-Build-Prozess.
    Diese Abbildung zeigt den Anwendereingabefluss im NLU-Modell-Build-Prozess.

    NLU-Terminologie

    In NLU Diese Begriffe identifizieren die wichtigsten Sprachkomponenten, die das System verwendet, um Inhalte in natürlicher Sprache zu klassifizieren, zu analysieren und andernfalls zu verarbeiten.
    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 keine oder mehrdeutigen Bedeutungen oder Absichten enthalten.
    Entität
    Das Objekt oder der Kontext einer Aktion. Beispiel: Ein Laptop, eine Anwenderrolle oder eine Prioritätsstufe.
    Systementität
    Diese sind in einer Instanz vordefiniert und haben sehr 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 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 das Verständnis von Natural Language Äußerungsbeispiele im System verarbeitet und in Absichten und Entitäten umgewandelt werden.

    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. Beliebig ServiceNow Die Anwendung kann einen aufrufen NLU Modell 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-Authoring-API, die Administratoren beim Erstellen ihrer Modelle unterstützt
    Diese Abbildung zeigt, wie die NLU-Authoring-API NLU-Administratoren beim Erstellen ihrer NLU-Modelle unterstützt.

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

    NLU Rückschlussservice

    Natural Language Understanding Stellt eine bereit NLU Rückschlussservice, der dem System hilft, natürliche Sprache zu verstehen und intelligente Aktionen zu fördern. 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 zum Trainieren eine Inferenz-API NLU Algorithmen durch Verwendung von Beispieldatensatzdaten, um Absichten und Entitäten zu identifizieren, die für eine genaue Vorhersage starke Kandidaten sind.

    Nutzung des NLU-Modells

    Sonstiges ServiceNow® Anwendungen verbrauchen NLU Modellausgabe, z. B. Virtual Agent.

    Abbildung : 5. Übersicht über die Virtual Agent-Anwendung, die NLU verwendet
    Diese Abbildung zeigt, wie die Virtual Agent-Anwendung natürliches Sprachverständnis 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. Um weitere Informationen dazu zu erhalten Virtual Agent Verbraucht NLU-Modelle, siehe: Discovery von Themen mit Natural Language Understanding (NLU) in Virtual Agent .

    Erste Schritte

    Problembehandlung und Hilfe