Mix NLU
Erstellen Sie Domänen zur Verarbeitung natürlicher Sprache und verbessern Sie Ihre NLU-Modelle laufend anhand tatsächlicher Nutzungsdaten. Definieren Sie Nutzerabsichten („Buche einen Flug“) als auch Instanzen („von JFK nach LAX am nächsten Mittwoch“) und stellen Sie Beispielsätze bereit, um die DNN-basierte NLU-Engine zu trainieren.
NLU-Modelle erstellen
NLU-Starterpakete
Wenn Sie ein neues Projekt beginnen, wählen Sie aus einer Reihe von NLU-Starterpaketen mit vordefinierten Intents und Beispielen, um Sie Ihrem Projekt hinzuzufügen.
Dies verschafft Ihnen einen Vorsprung, sowohl bei geschäftlichen Absichten (Bankgeschäfte, Telekommunikation usw.) als auch bei "sozialen" Absichten (Begrüßungen, Entschuldigungen, Emotionen, lustige Fragen und mehr).
NLU-Starterpakete gibt es speziell für bestimmte Sparten wie Telekommunikation, Banking oder Versorgung, aber auch für generische soziale Anwendungsfälle oder Chatanwendungen.
Absichten und Instanzen definieren
Trainieren Sie Ihr NLU-Modell mit Beispielphrasen, um ihm beizubringen, zwischen Dutzenden oder Hunderten verschiedenen Nutzerabsichten zu unterscheiden. Für jede Absicht können Sie definieren, welche Instanzen zum Erfüllen der Anfrage nötig sind. Erstellen Sie eigene Instanzen auf Grundlage von Wortlisten und alltäglichen Ausdrücken oder nutzen Sie Vorlagen für Zahlen, Währungen und Datums-/Uhrzeitangaben, die eine Vielzahl von Ausdrucksweisen verstehen.
Automatische Absichtserkennung
Mix.nlu unterstützt das „Markieren“ von Beispielnachrichten/-äußerungen von Endnutzern mit einer Auto-Intent-Funktion, die sie automatisch nach Absicht kategorisiert.
Diese Funktion gruppiert neue Beispiele zu bekannten Absichten, wenn eine hohe Übereinstimmung erkannt wird. Dies erhöht die Genauigkeit der Absichtserkennung.
Wird keine hohe Übereinstimmung im bestehenden Modell gefunden, schlägt die Funktion neue Absichten zur weiteren Automatisierung vor.
Die Funktion zur automatischen Zuordnung von Absichten in Mix.nlu unterstützt das „Markieren“ von Beispielnachrichten/-äußerungen von Endnutzern und kategorisiert diese nach Absicht, wie auf diesem Bildschirm dargestellt.
Mehrsprachige NLU-Modelle
Mix ermöglicht das Erstellen und Verwalten mehrsprachiger Anwendungen in einem Projekt. In Mix.nlu können Sie eine Sammlung von Absichten und Instanzen für mehrere Sprachen mit sprachspezifischen Trainingssätzen verwenden.
Dies ermöglicht konsistenteren Kundenservice in mehreren Sprachen zu geringeren Kosten.
Testen und optimieren
NLU-Feedback-Kreislauf
Für bestmögliche NLU-Ergebnisse benötigen Sie einen automatisierten, KI-basierten, skalierbaren Feedback-Zyklus, der Daten aus Ihren Endnutzergesprächen nutzt, um die Genauigkeit und den Umfang des NLU-Modells kontinuierlich zu verbessern.
Mit Mix.nlu erhalten Sie Zugriff auf Produktionsdaten, KI-basierte automatische Erkennung von Absichten, Support für manuelle Überprüfungen und eine einfache Messung des Erfolgs von Anpassungen in Regressionstests und Produktion.
NLU und Spracherkennung optimieren
Setzen Sie das trainierte NLU-Modell sowohl in der NLU-Engine als auch gleichzeitig als Domain-Sprachmodell in der Transcription-Engine (Sprache-zu-Text) ein. Dies sorgt für höchste Genauigkeit bei der Spracherkennung, der semantischen Analyse und dem Verständnis von Benutzeräußerungen auf der Grundlage der spezifischen Sprachdomäne Ihrer Anwendung.
Das Modell testen
Sie können das NLU-Modell jederzeit trainieren und mit Übungssätzen testen. Identifizieren Sie Problembereiche, in denen sich die Intents zu stark überschneiden, die Konfidenzniveaus erhöht werden müssen oder zusätzliche Instanzen definiert werden müssen.
Möchten Sie vor der Anmeldung mehr erfahren?
Kontaktieren Sie uns, um mit einem Spezialisten zu sprechen.
Erfahren Sie, wie Sie mit Nuance Mix Conversational AI-Anwendungen designen, entwickeln, testen und pflegen.
Müheloses Design mehrsprachiger dialogbasierter Omnichannel-Interaktionen in einem einzigen Projekt.
Nutzen Sie den vollen Funktionsumfang von Nuance Mix auf einem zentralen Dashboard – vom Design über die Entwicklung bis hin zur Bereitstellung.