Compréhension du langage naturel

  • Rversion finale: Yokohama
  • Mis à jour 30 janv. 2025
  • 4 minutes de lecture

    • ServiceNow® Compréhension du langage naturel (NLU) fournit un service d’inférence Console NLU que NLU vous pouvez utiliser pour permettre au système d’apprendre les intentions exprimées par les humains et d’y répondre. En saisissant des exemples de langage naturel dans le système, vous l’aidez à comprendre la signification des mots et les contextes afin qu’il puisse déduire les actions de l’utilisateur ou du système.

    Vue d'ensemble de Compréhension du langage naturel

    Figure 1. Flux d’entrée de l’utilisateur dans le processus de génération du modèle NLU
    Cette image vous montre le flux d’entrée de l’utilisateur dans le processus de génération du modèle NLU.
    Cette image vous montre le flux d’entrée de l’utilisateur dans le processus de génération du modèle NLU.

    NLU Terminologie

    En NLU termes linguistiques, ces termes identifient les composants linguistiques clés que le système utilise pour classer, analyser et traiter le contenu en langage naturel.
    Intention
    Quelque chose qu’un utilisateur veut faire ou ce que vous voulez que votre application gère, comme accorder l’accès.
    Énoncé
    Exemple en langage naturel d’une intention de l’utilisateur. Par exemple, une chaîne de texte dans la description brève d’un incident, une entrée de messagerie instantanée ou la ligne d’objet d’un e-mail. Les énoncés sont utilisés pour construire et entraîner des intentions et ne doivent donc pas inclure plusieurs significations ou intentions ambiguës.
    Entité
    Objet ou contexte d’une action. Par exemple : un ordinateur portable, un rôle d’utilisateur ou un niveau de priorité.
    Entité système
    Celles-ci sont prédéfinies dans une instance et ont des significations hautement réutilisables, telles que la date, l’heure et l’emplacement.
    Entité définie par l’utilisateur
    Ceux-ci sont créés dans le système par les utilisateurs et peuvent être construits à partir de mots dans les énoncés qu’ils créent.
    Entité commune
    Contexte couramment utilisé et extrait via un modèle d’entité prédéfini, tel que la devise, l’organisation, les personnes ou la quantité.
    Vocabulaire
    Le vocabulaire est utilisé pour définir ou remplacer la signification des mots. Par exemple, vous pouvez attribuer le synonyme « Microsoft » à l’acronyme « MS ».
    Modèle NLU
    Collection d’exemples d’énoncés et de leurs intentions et entités associées que le système utilise comme référence pour déduire des intentions et des entités dans un nouvel énoncé. La console NLU est fournie avec des modèles NLU prédéfinis pour des unités business spécifiques, tels qu’un modèle ITSM. Vous pouvez également créer des modèles personnalisés.

    Cette image illustre comment Compréhension du langage naturel traite et transforme les exemples d’énoncés en intentions et entités dans le système.

    Figure 2. La NLU traite et restitue les exemples d’énoncés en intentions et entités
    Cette image vous montre comment Compréhension du langage naturel traite et restitue les exemples d’énoncés en intentions et en entités dans le système.

    Console NLU

    Utilisez le Console NLU pour créer des représentations morphologiques du langage humain. Ces modèles vous permettent de créer des intentions et des entités exprimées dans des énoncés en langage naturel. Toute ServiceNow application peut appeler un NLU modèle pour obtenir une inférence d’intentions et d’entités dans un énoncé donné.

    À l’aide du rôle nlu_admin , vous créez vos modèles dans le Console NLU, où vous les créez, les entraînez, les testez et les publiez de façon itérative.

    Figure 3. Vue d’ensemble de l’API de création NLU aidant les administrateurs à créer leurs modèles
    Cette image vous montre comment l’API de création de NLU aide les administrateurs NLU à créer leurs modèles NLU.

    Pour plus d’informations sur la création et l’utilisation d’un modèle NLU, consultez : Créer un modèle NLU.

    NLU Service d’inférence

    Compréhension du langage naturel fournit un NLU service d’inférence qui aide le système à comprendre le langage naturel et à conduire des actions intelligentes. Ce service forme et prédit les intentions et les entités d’un énoncé utilisateur donné dans votre modèle afin que son texte se traduise dans des formats compréhensibles par l’machine, tels que des API et des paramètres.

    Figure 4. Vue d’ensemble de la façon dont le système utilise une API d’inférence NLU pour extraire des intentions et des entités
    Cette image vous montre comment le système utilise une API d’inférence NLU pour extraire des intentions et des entités pour un énoncé donné. Cette image vous montre comment le système utilise une API d’inférence NLU pour extraire des intentions et des entités pour un énoncé donné.

    Ici, le système utilise une API d’inférence pour entraîner NLU des algorithmes en utilisant des données d’enregistrement d’échantillon pour identifier les intentions et les entités qui sont des candidats solides pour une prédiction précise.

    Consommation de modèle NLU

    D’autres applications consomment la sortie du ServiceNow® modèle, telles que Agent virtuel.NLU

    Figure 5. Vue d’ensemble de la NLU consommable par l’application Virtual Agent
    Cette image vous montre comment l’application Virtual Agent (Agent virtuel) utilise Natural Language Understanding.

    Par exemple, Agent virtuel les administrateurs peuvent configurer un flux de conversation pour utiliser des Concepteur d'agent virtuel modèles NLU afin que les chatbots d’agents puissent mieux comprendre les déclarations des utilisateurs dans la conversation. Pour en savoir plus sur la façon dont Agent virtuel les modèles NLU sont consommés, consultez : Découverte de rubrique Compréhension du langage naturel (NLU) dans Agent virtuel.

    Premiers pas

    Dépannage et demande d'aide