オープンエンドエンティティの作成
インテント予測精度を向上させる場合は、オープンエンドエンティティを使用します。オープンエンドエンティティは、モデルが発話のコンテキストに焦点を当てるのに役立ちます。
始める前に
- NLU ワークベンチ プラグイン、NLU ワークベンチ - Core プラグイン、NLU Common Model プラグイン、および予測インテリジェンスプラグインがすべてインスタンスにインストールされ、アクティブ化されていることを確認します。
- 仮想エージェント または AI 検索用のNLUモデルを作成または既存のものを使用します。
- インテントを作成または既存のインテントを使用します。
- 必要なロール:nlu_editor、nlu_admin、または admin。nlu_editorをモデルに割り当てる必要があります。
このタスクについて
オープンエンドエンティティ は、エンティティ自体ではなくエンティティのコンテキストに焦点を当てるようにモデルに指示します。単語またはフレーズを無期限としてマークすると、システムはエンティティをスキップし、発話内のエンティティの前後のコンテキストからインテントを予測します。
たとえば、「 iPhone を注文したい」という発話では、「an iPhone」という単語をオープンエンドエンティティとして注釈を付けます。このモデルはコンテキストに焦点を当て、ユーザーが何かを注文したいと予測します。ユーザーが注文したいものは多数あるため、それらすべてに名前を付けることは、モデル作成者にとって耐え難い作業です。
単純なエンティティの代わりにオープンエンドエンティティを使用すると、モデルはエンティティではなく発話の残りの部分に集中できます。iPhone の例では、エンティティ自体の関連性はあまりありません。したがって、システムに無視させます。
このシナリオ例では、ユーザーが会社の商品を注文するためのインテントを持つ NLU モデルを作成しました。
手順
-
[発話] タブで、発話の 1 つの単語またはフレーズを選択して、[エンティティ] ウィンドウを表示します。
この例では、 パーカーを選択します。
図 : 1. エンティティウィンドウ -
[新しいエンティティを作成] 画面で、フィールドを構成します。
この例では、次の構成を使用します。
- エンティティ名: 商品
- タイプ:オープンエンドを選択
図 : 2. エンティティを作成 -
[保存] を選択します。
マーチャントのオープンエンドエンティティには、モデルのインテント画面の発話セクションに注釈が付けられます。その名前をポイントすると、注釈の詳細に新しいエンティティとして保持されていることがわかります。このエンティティは、インスタンスの他のすべての NLU モデルで再利用できます。
次のタスク
エンティティを保存するようにモデルをトレーニングします。モデルを試して、エンティティ自体ではなく、エンティティのコンテキストに基づいて発話が解釈されるかどうかを確認できます。
- [ モデルを試す] を選択します。
- 「 I want to order a polo」と入力します。
- [移動 (Go)] を選択します。
モデルは意図を予測し、ポロ値にマーチャントエンティティが使用されたことを示します。