Jaa

Suunnittele tehokas kielen ymmärtäminen

Luonnollisen kielen ymmärtäminen (NLU) on keskeinen osa sitä, miten Copilot Studio-agenttien tulee ymmärtää käyttäjäkyselyitä ja antaa merkityksellisiä tilannekohtaisia vastauksia. Selkeästi määritelty lähestymistapa aikomuksen tunnistamiseen, entiteettien poimimiseen ja varasuunnitelman käsittelyyn varmistaa, että agentit tarjoavat tehokkaita ja luonnollisia keskusteluja, jotka vastaavat liiketoiminnan tarpeita.

Kun käyttäjä syöttää jotain agentille, sitä kutsutaan lausumaksi. Agentin täytyy pilkkoa tuo lause aikomuksiksi ja entiteetteiksi, jotta agentin vastaus tuntuu sekä luonnolliselta että tehokkaalta.

Mitä on kielen ymmärtäminen?

Kielen ymmärtäminen (LU) on luonnollisen kielen käsittelyn (NLP) osa-alue, jonka tavoitteena on mahdollistaa koneiden ymmärtää ihmiskielen merkitys, tarkoitus ja konteksti.

Kaavio, joka havainnollistaa kielen ymmärtämistä, prosessointia.

Kielen ymmärtäminen sisältää:

  • Aikomuksen tunnistaminen: Käyttäjän tavoitteiden tunnistaminen (esimerkiksi "Varaa lento Pariisiin ensi viikolla" vastaa aikomusta varata lento).
  • Entiteettien poimiminen: Tärkeiden tietojen, kuten päivämäärien, paikkojen tai nimien poimiminen (esimerkiksi "Pariisi" määränpäänä, "ensi viikko" matkustuspäivänä).
  • Kontekstitietoisuus: Jatkuvuuden ylläpitäminen ja epäselvyyksien ratkaiseminen keskustelussa (esimerkiksi pronominien tai viitteiden ymmärtäminen).
  • Epäselvyyksien käsittely: Kontekstin käyttäminen sanojen monimerkittävien sanojen ratkaisemiseen (esimerkiksi "pankki" rahoituslaitoksena tai joenrannana).

Kielenymmärtäminen Copilot Studiossa

Copilot Studiossa on joustava kielenymmärtämiseen tarkoitettu malli, jossa on useita määritysasetuksia.

Generatiivinen orkestrointi

Generatiivinen orkestrointi käyttää kielimalleja älykkäästi ketjuttaakseen aiheet, toimet ja tiedon. Tämä ominaisuus mahdollistaa monitarkoituksen tunnistuksen, kehittyneen entiteettien poimimisen ja dynaamisen suunnitelman luomisen monimutkaisille kyselyille.

Tämä menetelmä on Copilot Studion oletusmenetelmä. Tämä lähestymistapa tunnistaa useita aikomuksia tai aiheita yhdessä lauseessa, ketjuttaa automaattisesti toiminnot ja tiedonlähteet sekä tuottaa yhtenäisiä vastauksia. Se on erityisen hyödyllinen monimutkaisten keskustelujen käsittelyssä, jotka kattavat useita liiketoiminta-alueita. Generatiivisella orkestrointilla on rajoituksia, kuten viisi viestiä per aihe tai toimintaketju ja 128 aihetta tai toimintoa per orkestrointi, mutta se tarjoaa tehokkaan tavan skaalata keskustelun laajuutta.

Lue lisää artikkelista Apply generative orchestration capabilities.

Klassinen orkestrointi

Klassinen orkestrointi käyttää laukaisulauseita ja determinististä aiheen reititystä. Jos käyttäjän lause vastaa laukaisulausetta, vastaava aihe käynnistyy. Jos osumusta ei löydy, varajärjestelmät etsivät tietolähteitä tai pyytävät käyttäjältä selvennystä.

Valmis NLU

Tämä lähestymistapa oli oletus, mutta on nyt varasuunnitelma. Copilot Studio tarjoaa valmiin NLU-mallin joka tukee käynnistinlauseita, ennalta määritettyjä entiteettejä ja mukautettuja entiteettejä. Tämä malli mahdollistaa agenttien tunnistaa käyttäjän aikomukset ja poimia keskeisiä tietoja, kuten päivämääriä, määrämääriä tai määriä suoraan kyselystä.

NLU+

Korkean tarkkuuden saavuttamiseksi käytä NLU+ -vaihtoehtoa. NLU+-vaihtoehto sopii erinomaisesti suuryritystason sovelluksiin. Tämäntyyppiset sovellukset koostuvat yleensä suuresta määrästä aiheita ja entiteettejä, ja ne käyttävät suurta määrää koulutusnäytteitä. Jos sinulla on äänikäyttöinen agentti, myös NLU+-koulutustietojasi käytetään puheentunnistusominaisuuksien optimoinniin.

Azure CLU-integrointi

Kehittyneemmissä skenaarioissa, joissa et voi käyttää oletusarvoista luontiorkestroinnia, voit integroida Azure Conversational Language Understanding (CLU). CLU tarjoaa laajemman räätälöinnin, monikielisen tuen ja monimutkaisen entiteettien poiminnan (esimerkiksi useita "from"-entiteettejä). Sinun on yhdistettävä CLU:n aikeet Copilot Studion aiheet, jotta ne pysyvät synkronoituina. Tästä vaihtoehdosta on hyötyä erityisesti toimialakohtaisissa sanastoissa, muissa kuin englanninkielisissä kielissä tai tilanteissa, joissa tarkkuus on suurempi.

Keskeiset ominaisuudet ja rajoitukset

Tässä taulukossa verrataan Copilot Studion kolmea kielenymmärrystapaa. Se tuo esiin niiden keskeiset ominaisuudet ja rajoitukset, jotta voit valita oikean mallin agenttisi monimutkaisuuteen, mittakaavaan ja tarkkuustarpeisiin.

Ominaisuudet ja rajoitukset Generatiivinen orkestrointi Sisäänrakennettu NLU-malli Mukautettu Azure CLU-malli
Tärkeimmät ominaisuudet
  • Käyttää suurta kielimallia
  • Käsittelee monimutkaisia lauseita, joissa on useita aikomuksia, aiheita/toimintoja ja tietoa
  • Luo automaattisesti kysymyksiä puuttuvista syötteistä
  • Mahdollistaa korjaukset ajon aikana
  • Tuottaa yhtenäisen vastauksen aiheiden, toimien ja tiedon tuloksista
  • Oletus esikoulutettu malli, jossa on ennalta määritellyt entiteettityypit
  • Konfiguroitu trigger-lauseilla ja mukautetuilla entiteetteillä (suljetut listat tai regex)
  • Tukee useampia kieliä, joissa on natiivimallit
  • Räätälöitävä aikomuksen laukaisumalli tarkkuuden tai toimialakohtaisten tarpeiden mukaan
  • Edistynyt entiteettien poimiminen (esimerkiksi sama tyyppi, hiljainen poiminta)
  • Entiteettien poiminta voi käyttää Copilot Studion vakiomuotoista NLU:a
Rajat
  • Viisi viestiä per aihe/toimintaketju
  • Aiheiden ja toimintojen raja laukaisemiseen on 128
  • Yksittäisen tarkoituksen tunnistus per kysely
  • Ei voi jatkaa
  • Useiden samantyyppisten entiteettien täyttäminen vaatii täsmennyksen selvittämistä
  • Yksittäisen tarkoituksen tunnistus per kysely
  • Azure määritys ja lisäkustannukset
  • Palvelurajoitukset Azure
  • Azure CLU:n aikeet ja Copilot Studio -aiheet on pidettävä tarkasti synkronoituina.

Lue lisää luonnollisen kielen ymmärtämisen (NLU) yleiskatsauksesta.

Aiheen rakenne ja varasuunnitelma

Aiheet ovat siirtyneet jäykästä, aikomukseen perustuvasta polusta joustavampaan, orkestroinnointiin perustuvaan lähestymistapaan. Sen sijaan, että pelkästään ennalta määriteltyihin laukaisijoihin ja polkuihin luottaisiin, aiheet toimivat nyt modulaarisina ohjeina, joihin agentti voi turvautua keskustelua järjestäessään. Generatiivinen orkestrointi hoitaa suurimman osan reitityksestä tulkitsemalla käyttäjän syötteen dynaamisesti, ja aiheet tarjoavat rakenteellista varasuunnitelmaa, kun tarkkuutta tarvitaan.

Perinteisempi jäsennelty aihesuunnittelu saa keskustelut tuntumaan luonnollisilta ja tehokkailta. Aiheet voivat olla sisäänpääsypisteitä, joita laukaisevat käyttäjän lauseet, tai uudelleenkäytettäviä aliaiheita, joita kutsutaan uudelleenohjauksilla tai järjestelmätapahtumilla. Täsmennysaiheet auttavat välttämään sekaannusta, kun useita aiheita voi laukaista, kun taas varasuunnitelmat ja keskustelua vahvistavat aiheet tarjoavat turvaverkkoja, kun agentti ei pysty luottavaisesti vastaamaan aikomukseen. Voit myös lisätä generatiivisia vastauksia ulkoisista tietolähteistä, jolloin käyttäjät harvoin jäävät ilman vastausta.

Lue lisää kohdasta Apply best practices to authoring topics.

Lokalisointi ja kielet

Copilot Studio -agentin käyttämä kieli määräytyy järjestelmämuuttujan arvon mukaan: System.User.Language.

Tämä muuttuja toimii keskeisenä ohjauspisteenä kaikelle kieleen liittyvälle käyttäytymiselle agentissa. Voit asettaa sen arvon manuaalisesti, ohjelmallisesti tai havaita sen automaattisesti.

Miten se toimii?

  • Hakutiedot käyttäjän kielestä: Copilot Studio käyttää arvoa System.User.Language tietolähteiden hakemiseen määritetyllä kielellä. Tämä lähestymistapa tarkoittaa, että vaikka käyttäjä esittäisi kysymyksen yhdellä kielellä, agentti kääntää hakukyselyn kielelle, joka on määritelty System.User.Language (automaattinen käännös hakukyselylle).

  • Vastaa käyttäjän kielellä: Agentti tuottaa vastaukset kielellä, joka määritellään System.User.Language, riippumatta kysymyksessä käytetystä kielestä tai alkuperäisistä asiakirjoista (automaattinen käännös vastausten generointia varten).

  • Manuaalinen ohitus: Voit asettaa arvon System.User.Language manuaalisesti pakottaaksesi agentin toimimaan tietyllä kielellä. Tämä ominaisuus on hyödyllinen testauksessa tai tilanteissa, joissa kieltä täytyy nimenomaisesti hallita. Lue lisää artikkelista Monikielisten agenttien määrittäminen ja luominen.

Automaattinen puhutun kielen tunnistus

Voit määrittää Copilot Studion tunnistamaan automaattisesti käyttäjän puhutun tai kirjallisen kielen ja määrittämään muuttujan System.User.Language vastaavasti. Tämä ominaisuus mahdollistaa saumattomat monikieliset kokemukset ilman, että käyttäjien tarvitsee määritellä kielimieltymyksiään.

Miten automaattinen tunnistus toimii

  • Laukaisijapohjainen tunnistus: Kun botti vastaanottaa viestin, laukaisija käynnistää kielen tunnistuskulun.
  • Aseta järjestelmämuuttuja: Botti määrittää havaitun kielen .System.User.Language
  • Dynaaminen vaste: Agentti jatkaa keskustelua havaitussa kielessä, sekä etsien tietoa että tuottaen vastauksia sen mukaisesti.

Etuja

  • Henkilökohtainen kokemus: Käyttäjät käyttävät haluamallaan kielellä ilman manuaalista asetusta.
  • Johdonmukainen kokemus: Kaikki vastaukset ja tiedon hakutoiminnot ovat linjassa havaitun tai asetettun kielen kanssa.
  • Skaalautuva ratkaisu: Tukee globaaleja käyttöönottoja minimaalisella konfiguraatiolla.

Vinkki

Tarkastele malliratkaisua, joka esittelee, miten Copilot Studio -agenttien automaattinen tunnistaminen käyttäjän puhutusta kielestä ja siirtyminen johonkin agentin tekijän hyväksymiin kieliin: Auto-detect language luotaville vastauksille

Parhaat käytännöt lokalisaatioon

  • Määritä tuetut kielet: Määrittele ensisijaiset ja toissijaiset kielet agentillesi. Käytä lokalisointitiedostoja (JSON tai ResX) kääntääksesi kehotuksia, viestejä ja aiheita.
  • Testaa monikielisiä skenaarioita: Simuloi käyttäjien vuorovaikutusta eri kielillä varmistaaksesi sujuvat siirtymät ja tarkat vastaukset.
  • Käytä automaattista käännöstä: Luota Copilot Studion sisäiseen käännökseen tietojen haun ja vastauksen luontia varten mutta tarjoa mukautettuja käännöksiä kriittiselle tai vivahteikkaalle sisällölle.
  • Seuraa ja hio: Käytä analytiikkaa kielen käytön seuraamiseen ja lokalisoinnin kattavuuden parantamiseen ajan myötä.

Copilot Studio Agentin kielitavat:

  • Erilliset agentit per kieli.
  • Yksittäiset monikieliset agentit, joilla on valmiiksi kirjoitetut käännökset.
  • Reaaliaikaiset monikieliset agentit, jotka käyttävät käännöspalveluita käyttäjän ja agentin välillä.

Oikea lähestymistapa riippuu käytöstä, erottelusta, mittakaavasta, päivitysrytmistä ja käytettävissä olevista resursseista.

Tunnistetut tekniset haasteet

Tyypillisiä haasteita ovat Azure CLU:n ja Copilot Studion aiheiden synkronoiminen, moniselitteisten ilmausten käsittely ja monikielisten käyttöönottojen skaalaus. Näiden esteiden varhainen tunnistaminen antaa mahdollisuuden suunnitella torjuntastrategioita, kuten varasuunnitelmakonfiguraatioita, laukaisulauseiden massatestausta tai välityspohjaisia käännöspalveluita.

Kielen ymmärtämisen tavoitteena on varmistaa, että jokainen agentti osaa tulkita käyttäjien kyselyt tarkasti, mukautua erilaisiin kieliin ja tilanteisiin sekä käsitellä odottamatonta sujuvasti. Tämä tavoite luo vahvan perustan luotettavien, kiinnostavien ja tehokkaiden Studio-keskustelujen Copilot luomiseen.

  • Last updated on