Mix NLU
Bygg naturliga språkbehandlingsdomäner och förfina och utveckla kontinuerligt din NLU-modell baserat på användningsdata från verkligheten. Definiera användarens avsikter ("boka ett flyg") och enheter ("från JFK till LAX nästa onsdag") och tillhandahåll exempelmeningar för att träna den DNN-baserade NLU-motorn.
Bygg NLU-modeller
NLU-startpaket
När du startar ett nytt projekt väljer du från en uppsättning NLU-startpaket med fördefinierade syften och exempel som kan läggas till ditt projekt.
Detta kommer att ge dig ett försprång både med affärsavsikter (bank, telefon, etc.) och "sociala" avsikter (hälsningar, ursäkter, känslor, roliga frågor och mer).
NLU-startpaketserbjudanden inkluderar vertikalspecifika alternativ, såsom telefon och bank, eller verktyg samt generiska sociala avsikter eller chatt.
Definiera avsikter och element
Träna din NLU-modell med exempelfraser för att lära dig att skilja mellan dussintals eller hundratals olika användaravsikter. För varje avsikt definierar du de enheter som krävs för att uppfylla kundförfrågan. Skapa anpassade enheter baserade på ordlistor och vardagliga uttryck eller utnyttja färdiga enheter för siffror, valuta och datum/tid som förstår de olika sätt som kunder kan uttrycka den informationen på.
Automatisk avsiktsupptäckt
Mix.nlu stödjer processen att "tagga" exempelmeddelanden/yttrande från slutanvändare med en automatisk avsiktsfunktion som automatiskt kategoriserar dem efter avsikt.
Auto-intent (automatisk avsikt) grupperar nya exempel i befintliga avsikter, där den hittar en nära matchning, vilket ökar noggrannheten för befintliga avsikter.
Och när ingen bra matchning hittas i den befintliga modellen kommer den att föreslå nya avsikter – kandidater för ytterligare automatisering.
Funktionen för automatisk avsikt i Mix.nlu stödjer processen att "tagga" exempelmeddelanden/yttrande från slutanvändare och kategoriserar dem efter avsikt, som visas på den här skärmen.
Flerspråkiga NLU-modeller
Mix låter dig skapa och hantera flerspråkiga applikationer i ett enda projekt. I Mix.nlu kan du skapa en enda uppsättning avsikter och enheter på flera språk, med språkspecifika träningsuppsättningar.
Detta hjälper till att ge en mer konsekvent flerspråkig användarupplevelse till en lägre kostnad.
Testa och finjustera
NLU-återkopplingsloop
För bästa möjliga resultat för förståelse av naturligt språk behöver du en automatiserad, AI-baserad, skalbar återkopplingscykel som använder data från dina slutanvändarkonversationer för att kontinuerligt förbättra noggrannheten och omfattningen av NLU-modellen.
Mix.nlu stödjer dig med detta genom att ge åtkomst till produktionsdata, AI-baserad automatisk avsiktsupptäckt, stöd för manuella granskningar och ett enkelt sätt att mäta framgången för förändringar i regressionstester och produktion.
Finjustering av NLU och taligenkänning
Implementera den utbildade NLU-modellen både till NLU-motorn och som en domänspråksmodell till tal-till-texttranskriptionsmotorn. Detta ger högsta noggrannhet i taligenkänningsresultat, semantisk analys och förståelse av användaryttringar baserat på din applikations specifika språkdomän.
Testa modellen
Träna NLU-modellen när du vill och testa den mot övningsmeningar. Identifiera problemområden där avsikter överlappar varandra för mycket, förtroendenivåer måste höjas eller ytterligare enheter måste definieras.
Behöver du mer information innan du registrerar dig?
Kontakta oss för att prata med en specialist redan idag.
Se hur du kan använda Nuance Mix för att designa, utveckla, testa och underhålla AI konversationsapplikationer.
Designa omnikanala, flerspråkiga konversationsinteraktioner utan ansträngning inom ett enda projekt.
Få tillgång till alla funktioner i Nuance Mix – från design till konstruktion och implementering – i en enda instrumentpanel.