Mix NLU
Creëer domeinen voor de verwerking van natuurlijke taal en ontwikkel uw NLU-model, steunend op reële gebruiksgegevens. Bepaal gebruikersintenties ('boek een vlucht') en entiteiten ('van JFK naar LAX, komende woensdag'), en voer voorbeeldzinnen in om de DNN-gebaseerde NLU-engine te trainen.
Bouw NLU-modellen
NLU-starterspakketten
Kies bij het starten van een nieuw project uit een set NLU-starterspakketten met kant-en-klare intenties en voorbeelden om toe te voegen aan het project.
Hiermee kunt u meteen aan de slag met zakelijke intenties (bankieren, telecom, etc.) en 'sociale' intenties (begroetingen, verontschuldigingen, emoties, grappige vragen, en meer)
Het NLU-starterspakket omvat opties voor verticale markten, zoals telecom, banken of nutsbedrijven, maar ook algemene sociale intenties of chat.
Bepaal intenties en entiteiten
Train uw NLU-model met voorbeeldzinnen om onderscheid te leren maken tussen tientallen of zelfs honderden verschillende gebruikersintenties. Bepaal voor elke intentie welke entiteiten nodig zijn om aan de vraag van de klant te voldoen. Creëer aangepaste entiteiten op basis van woordenlijsten en alledaagse uitdrukkingen en maak gebruik van kant-en-klare entiteiten voor cijfers, valuta en datum/tijd die op de hoogte zijn van de verschillende manieren waarop klanten die informatie uitdrukken.
Automatisch bepalen van intentie
Met Mix.nlu kunnen berichten/uitspraken van eindgebruikers worden getagd en automatisch gecategoriseerd op intentie.
De automatische intentieherkenning deelt nieuwe samples in bij bestaande intenties als er een goede match wordt gevonden, wat de nauwkeurigheid voor bestaande intenties verhoogt.
En als er geen goede match wordt gevonden in het bestaande model, worden er nieuwe kandidaat-intenties voorgesteld voor aanvullende automatisering.
Meertalige NLU-modellen
Met Mix kunt u meertalige applicaties in één project maken en beheren. In Mix.nlu kunt u één set intenties en entiteiten in meerdere talen maken, met taalspecifieke trainingssets.
Dit draagt bij aan een consistente meertalige gebruikerservaring tegen lagere kosten.
Testen en optimaliseren
NLU-feedbackloop
Voor de best mogelijke resultaten op het gebied van inzicht in natuurlijke taal heeft u een geautomatiseerde op AI-gebaseerde, schaalbare feedbackcyclus nodig, die gebruikmaakt van gegevens uit gesprekken met uw eindgebruikers om de nauwkeurigheid en omvang van het NLU-model voortdurend te verbeteren.
Mix.nlu maakt dit mogelijk door toegang te geven tot productiegegevens, AI-gebaseerde automatische intentieherkenning, ondersteuning voor handmatige controle en een gemakkelijke manier om het succes van aanpassingen te meten in regressietests en de productieomgeving.

Optimaliseren van NLU en spraakherkenning
Zet het getrainde NLU-model in op de NLU-engine en de spraak-naar-tekst transcriptie-engine als domeintaalmodel. Dit geeft extreem nauwkeurige spraakherkenningsresultaten, semantische interpretatie en begrip van de uitspraken van gebruikers op basis van het specifieke taaldomein van uw applicatie.
Model testen
Train uw NLU-model wanneer u maar wilt en test het met oefenzinnen. Identificeer probleemgebieden waar intenties teveel overlappen, het zekerheidsniveau een boost nodig heeft of er extra entiteiten bepaald moeten worden.
Wilt u meer informatie voordat u zich aanmeldt?
Neem vandaag nog contact met ons op voor een gesprek met een expert.
Ontdek hoe u Nuance Mix kunt gebruiken voor het ontwerpen, ontwikkelen, testen en onderhouden van conversational AI-toepassingen.
Ontwerp moeiteloos omnichannel conversational ervaringen in meerdere talen binnen één project.
Krijg toegang tot alle functies van Nuance Mix in één enkel dashboard, om uw klantervaring te ontwerpen, te ontwikkelen en uit te rollen.