모델 빌드 및 교육
모델을 생성한 후 의도, 엔터티, 어휘 및 테스트 세트 발언을 추가하여 모델의 콘텐츠를 빌드합니다. NLU 모델 컨텐츠에 따라 모델이 사용자 입력에 응답하는 방식이 결정됩니다.
- 의도: 사용자가 원하거나 애플리케이션이 수행하기를 원하는 작업입니다.
- 엔터티: 작업에 대한 객체 또는 컨텍스트입니다.
- 어휘: 모델이 사용자의 발언에서 단어 범위를 이해하는 데 도움이 되는 어휘를 추가합니다.
- 테스트 세트: 모델 성능을 평가하려면 테스트 발언과 해당 발언에 대해 예측될 것으로 예상되는 의도를 추가합니다.
모델 콘텐츠에 액세스하려면 다음으로 이동합니다. 레이블이 표시됩니다. 기본적으로 탭이 가상 에이전트 열립니다. 모델의 애플리케이션에 대한 탭을 선택한 다음, 모델의 이름을 선택하여 모델 세부 정보 페이지를 엽니다. 모델 빌드 및 학습 카드에서 단계 보기를 선택합니다.
의도
모델이 사용자 입력을 받으면 인텐트 를 사용하여 시스템 작업을 수행합니다. 예를 들어 사용자가 속도가 느린 노트북에 심각한 문제가 있습니다.를 입력합니다. 모델은 발언 입력을 의도 #TroubleshootSlowComputer와 일치시킵니다. 의도가 주제에 연결 가상 에이전트 되면 추가 작업이 트리거됩니다.
의도에는 교육 발언 또는 시스템 작업을 트리거하는 사용자 입력의 예가 포함됩니다. 모델이 사용자로부터 접할 수 있는 사실적인 발언을 제공합니다. 학습 발화의 품질은 모델의 정확도에 영향을 줍니다.
자세한 내용은 NLU 의도 문서를 참조하십시오.
엔터티
사용자의 의도는 엔터티 를 사용하여 입력을 받을 때 모델에 대한 추가 컨텍스트를 제공합니다. 컴퓨터 예제에서 랩톱은 작업의 엔터티 또는 객체입니다.
NLU 엔터티는 시스템 정의 와 사용자 정의의 두 가지 범주로 나뉩니다. 인스턴스에는 기본적으로 DATE, TIME, LOCATION 같은 시스템 엔터티를 사용할 수 있습니다. 사용자 정의 엔터티를 직접 만들어 비즈니스 요구사항에 대한 추가 연결 및 의미를 제공할 수 있습니다.
모든 엔터티는 다른 NLU 모델에서 재사용할 수 있습니다. 그러나 각 모델이 사용할 수 있도록 학습 발언에 추가해야 합니다.
자세한 내용은 NLU 엔터티 문서를 참조하십시오.
어휘
사용자의 입력에는 다양한 단어와 구가 포함될 수 있습니다. 또한 모델이 전문 도메인 또는 비즈니스 영역에서 사용되는 일부 용어를 이해하지 못할 수도 있습니다.
광범위한 사용자 입력을 이해하는 모델의 기능을 향상시키려면 어휘 항목을 만들어 동의어를 정의할 수 있습니다.
예를 들어 모델에 컴퓨터라는 용어에 대한 엔터티가 포함되어 있습니다. 사용자가 새 컴퓨터가 필요합니다를 입력하면 모델이 응답하는 방법을 알고 있습니다. 그러나 사용자가 노트북 이나 워크스테이션에 들어가면 모델이 의도를 예측하지 못할 수 있습니다. 모델에 어휘를 추가하여 동의어와 변형을 이해하도록 학습시킬 수 있습니다.
테이블과 목록을 어휘 소스로 사용할 수도 있습니다. 모델은 의도를 예측할 때 어휘 소스를 조회할 수 있습니다.
자세한 내용은 NLU 어휘 문서를 참조하십시오.
테스트 세트
모델에는 모델의 성능을 평가하는 데 사용할 수 있는 기본 테스트 세트가 포함되어 있습니다. 처음에는 테스트 세트가 비어 있으므로 컨텐츠로 채울 준비가 되어 있습니다. 테스트 발언과 예상 의도를 추가하여 테스트 세트를 빌드합니다.
자세한 내용은 테스트 세트 생성 및 관리 문서를 참조하십시오.
테스트 패널
모델 빌드 및 교육 단계에서 모델 교육 또는 모델 체험을 클릭하여 테스트 패널에 액세스합니다. 교육은 새 컨텐츠를 모델에 통합합니다. Try model을 사용하면 개별 발언을 수동으로 입력하여 모델이 예측하는 의도를 테스트할 수 있습니다.
자세한 내용은 NLU 모델 교육 및 사용해 보기 문서를 참조하십시오.
테스트 패널을 사용하여 모델의 예측에 대한 피드백을 제공할 수도 있습니다. 피드백은 의도 예측을 개선하는 데 도움이 됩니다. 테스트 패널 피드백 문서를 참조하십시오.
설정
설정 탭을 사용하여 모델의 이름, 간단한 설명 및 신뢰도 임계치를 편집할 수 있습니다. 모델의 언어나 용도는 변경할 수 없습니다.
신뢰도 임계값에 대한 자세한 내용은 을 참조하십시오 모델 테스트 및 게시. 설정에 대한 자세한 내용은 을 참조하십시오 NLU 모델 설정.