NLU 모델 교육 및 시도
모델을 반복적으로 교육하고 시도하여 의도와 엔터티를 확인하고 컴파일하여 모델에 저장합니다.
시작하기 전에
- Core 플러그인, NLU 워크벤치 플러그인 및 예측 인텔리전스 플러그인이 NLU 워크벤치 모두 설치되고 활성화되었는지 확인합니다.
- NLU 모델을 생성합니다. 자세한 내용은 모델 생성 문서를 참조하십시오.
- 모델에 대해 하나 이상의 NLU 의도와 연관된 엔터티를 작성합니다. 자세한 내용은 NLU 의도 문서를 참조하십시오.
- 발언이 테이블 어휘 소스를 참조하는 경우 해당 값을 모델에서 사용할 수 있도록 소스가 동기화되었는지 확인합니다. 자세한 내용은 테이블 어휘 소스 동기화 문서를 참조하십시오.
- 필요한 역할: nlu_editor, nlu_admin 또는 admin NLU 모델에 편집기를 할당해야 합니다.
이 태스크 정보
모델을 학습시키면 콘텐츠에 대한 변경 내용이 저장되고 상충 또는 오류가 있는지 확인합니다. 교육을 통해 모델을 게시할 수도 있습니다.
교육 후에는 개별 발화를 수동으로 입력하여 모델을 시도하여 어떤 의도가 예측되는지 확인할 수 있습니다.
주:
테스트 발언 목록에 대해 모델 테스트를 실행하려면 문서를 모델 테스트 및 게시참조하십시오.
대화 행위의 대화 중 응답은 에서 시도하거나 테스트할 NLU 워크벤치수 없습니다.
이 예제 시나리오에서는 의도, 발화, 엔터티 및 관련 주석을 추가하여 충분한 모델 콘텐츠를 이미 빌드했습니다. 예제 절차에 따라 먼저 모델을 교육합니다 NLU . 그런 다음 예측 결과와 신뢰 점수를 확인할 수 있도록 발언을 수동으로 입력하여 모델을 시도합니다.
프로시저
-
모델 개요의 모델 빌드 및 교육 카드에서 단계 보기를 선택합니다.
-
모델 빌드 및 교육 단계가 열리면 모델 교육 탭이 선택되어 있는지 확인합니다.
결과:모델 교육 탭에는 모델을 마지막으로 교육한 시간이 표시되고 마지막 교육 이후의 컨텐츠 변경 내용도 요약되어 있습니다(있는 경우).
-
학습 단추를 선택합니다.
결과: 교육 중에는 진행률 표시줄이 표시됩니다. 완료되면 다음 두 가지 권장 사항 중 하나가 표시됩니다.
- 기본 테스트 세트에서 모델 의도의 60% 미만을 다루는 경우 더 많은 테스트 발언을 추가하는 것이 좋습니다. 테스트 세트 생성 및 관리 문서를 참조하십시오.
- 모델 의도의 60% 이상이 기본 테스트 세트에서 다루어지면 테스트를 진행하는 것이 좋습니다. 모델 테스트 및 게시 문서를 참조하십시오.
- 기본 테스트 세트에서 모델 의도의 60% 미만을 다루는 경우 더 많은 테스트 발언을 추가하는 것이 좋습니다. 테스트 세트 생성 및 관리 문서를 참조하십시오.
-
테스트할 발언 입력 아래의 텍스트 필드에 발언을 입력하고 이동을 선택합니다.
결과
이 예에서는 시도할 발언으로 집 주소를 업데이트해야 합니다를 입력했습니다.
- 시스템은 모델의 신뢰도 임계치를 표시하며, 이 예에서는 76%입니다.
- 상위 예측에서 시스템은 신뢰 점수가 임계치보다 큰 것으로 예측된 모든 의도를 표시합니다.
- 이 예에서 의도 UpdateAddress 는 임계치 76%보다 큰 신뢰도 점수 97%로 예측됩니다.
다음에 수행할 작업
- 다양한 발화를 계속 시도하여 모델 컨텐츠에 대한 업데이트가 유효한지 확인합니다. NLU 모델의 초안 버전과 게시된 버전 비교 문서를 참조하십시오.
- 테스트 발언 목록에 대해 모델을 테스트하려면 단계에서 기본 테스트 세트를 모델 테스트 및 게시 사용하거나 로 이동합니다 다중 모델 배치 테스트.
- 모델의 신뢰도 임계치를 조정하려면 모델의 개요 페이지에서 설정 탭을 사용합니다. 자세한 내용은 NLU 모델 설정 문서를 참조하십시오.
- 테스트 결과가 만족스러우면 NLU 모델을 게시합니다.