개방형 엔터티 만들기

의도 예측 정확도를 높이려면 개방형 엔터티를 사용합니다. 개방형 엔터티는 모델이 발언의 컨텍스트에 초점을 맞추는 데 도움이 됩니다.

시작하기 전에

• 플러그인, NLU 워크벤치 코어 플러그인, NLU 공통 모델 플러그인 및 예측 인텔리전스 플러그인이 모두 인스턴스에 설치되고 활성화되어 있는지 확인합니다NLU 워크벤치.
• 또는 AI 검색에 대해 가상 에이전트 기존 NLU 모델을 생성하거나 사용합니다.
• 기존 의도를 작성하거나 사용합니다.
• 필요한 역할: nlu_editor, nlu_admin 또는 admin nlu_editor 모델에 할당해야 합니다.

이 태스크 정보

개방형 엔터티는 엔터티 자체보다는 엔터티의 컨텍스트에 초점을 맞추도록 모델에 지시합니다. 단어 또는 구를 개방형 문맥으로 표시하면 시스템이 해당 엔터티를 건너뛰고 발언에서 해당 엔터티 앞이나 뒤에 오는 컨텍스트에서 의도를 예측합니다.

예를 들어, I want to order an iPhone이라는 발언에서 "an iPhone"이라는 단어에 개방형 엔터티로 주석을 답니다. 모델은 컨텍스트에 중점을 두어 사용자가 무언가를 주문하기를 원한다고 예측합니다. 사용자가 주문할 수 있는 항목이 많기 때문에 모든 항목의 이름을 지정하는 것은 모델 작성자에게 견딜 수 없는 작업입니다.

간단한 엔터티 대신 개방형 엔터티를 사용하면 모델이 엔터티가 아닌 발화의 나머지 부분에 초점을 맞추는 데 도움이 됩니다. iPhone 예제에서 엔터티 자체는 관련성이 적습니다. 그래서 당신은 시스템이 그것을 무시하기를 원합니다.

다른 시나리오에서는 시스템에서 엔터티를 무시해서는 안 되는 의도가 여러 개 있을 수 있으므로 간단한 엔터티를 사용해야 합니다.

주:

어휘 출처(발언에서 @vocab_source 참조)에는 개방형 엔터티로 주석을 달 수 없습니다. 어휘 소스에는 단순 엔터티 또는 매핑된 엔터티로만 주석을 달 수 있습니다. 예를 들어 발언이 "노트북을 주문하고 싶습니다"인 경우 "노트북"이라는 단어에 개방형 엔터티로 주석을 달 수 있습니다. 그러나 발화가 테이블 어휘 소스 또는 목록 어휘 소스를 참조하는 "I want to order @laptop@laptop"인 경우 개방형 엔터티로 주석을 달 수 없습니다.

이 예제 시나리오에서는 사용자가 회사 상품을 주문할 의도로 모델을 생성 NLU 했습니다.

다음 예시 절차에서는 발화 중 하나에서 엔터티를 생성하여 시스템이 이를 인스턴스의 다른 NLU 모델에서 재사용 가능한 개방형 엔터티로 인식할 수 있도록 합니다.

주:

의도당 하나의 개방형 엔터티만 사용할 수 있습니다.

프로시저

1. 다음으로 이동 모두 > NLU 워크벤치 > 모델.
   탭은 가상 에이전트 기본적으로 열립니다.
2. 모델의 애플리케이션에 대한 탭을 선택한 다음 모델의 이름을 선택합니다.
3. 모델 세부 정보 페이지에서 의도를 클릭합니다.
4. 엔터티를 추가할 의도의 이름을 선택합니다.
   이 예에서는 #OrderMerch 의도를 선택합니다.
5. 발화 탭에서 발화 중 하나의 단어 또는 구를 선택하여 엔터티 창을 표시합니다.
   이 예에서는 후드티를 선택합니다.

   그림 1. 엔터티 창

   

6. Create New Entity(새 엔터티 만들기)를 선택합니다.
7. 새 엔터티 생성 화면에서 필드를 구성합니다.

   이 예에서는 다음 구성을 사용합니다.

   • 엔터티 이름: merch
   • 유형: 개방형 선택

   그림 2. 엔터티 생성

   

8. 저장을 선택합니다.

   상품 개방형 엔터티는 모델 의도 화면의 발화 섹션에 주석이 추가됩니다. 이름을 가리키면 주석 세부 정보에서 새 엔터티로 유지되는 것을 볼 수 있습니다. 이 엔터티는 인스턴스의 다른 NLU 모든 모델에서 다시 사용할 수 있습니다.

   

다음에 수행할 작업

엔터티를 저장하도록 모델을 교육합니다. 모델을 사용해 보고 엔터티 자체가 아닌 엔터티의 컨텍스트에 따라 발언을 해석하는지 확인할 수 있습니다.

이 예에서는 다른 상품 항목으로 모델을 테스트할 수 있습니다.

1. 모델 체험을 선택합니다.
2. I want to order a polo를 입력합니다.
3. 이동을 선택합니다.

모델은 의도를 예측하고 폴로 값에 상품 항목을 사용했음을 보여줍니다.

관련 개념

• 엔터티에서 정규 표현식 사용

관련 태스크

• 간단한 엔터티 만들기
• 매핑된 엔터티 생성
• 패턴 엔터티 생성
• 시스템 파생 엔터티 만들기
• 엔터티 임포트