Natürliche Sprachverarbeitung (NLP)
Proprietäre NLP-Technologie auf dem neuesten Stand
Bereichern Sie digitale Erfahrungen durch die Einführung von Chatbots, die intelligente, menschenähnliche Gespräche mit Ihren Kunden und Mitarbeitern führen können. Nutzen Sie unsere geschützten, hochmodernen Fähigkeiten zur natürlichen Sprachverarbeitung, die es Chatbots ermöglichen, die Informationen, die während jeder Interaktion gesammelt werden, zu verstehen, zu erinnern und daraus zu lernen sowie entsprechend zu handeln.
Interpretiert genau mit weniger falsch positiven Befunden
Kommuniziert umfassend
Schließt Entwicklungslücken schneller
Benötigt weniger Trainingsdaten, um NL-fähig zu seinBenötigt weniger Trainingsdaten, um NL-fähig zu sein.
Verwendet Trainingsdaten wieder
Den Kontext der Nutzeranfrage im Verlauf eines Dialogs oder einer Sitzung beibehalten
Ausgeführte Aktionen, bereitgestellte Daten und entnommene Informationen aus Systemen zu Nutzung für den Bot extrahieren und speichern.
Passen Sie individuell an, wie kontextabhängige Daten in der Sitzung gespeichert werden
Verwenden Sie vortrainierte NLP-Modelle, um das NLP Ihres Chatbots zu perfektionieren
Natürliche Sprachverarbeitung (NLP)
Damit Ihr Chatbot einen Satz aufschlüsseln und den Sinn des Satzes verstehen kann, müssen wir die wesentlichen Teile des Satzes betrachten. Ein nützlicher Weg, den der Großteil der Forscher auf dem Gebiet der künstlichen Intelligenz beschreitet, ist die Unterscheidung zwischen Entitäten und Intents.
Eine Entität in einem Satz ist ein Objekt in der realen Welt, das benannt werden kann. Unsere NLP-Modelle eignen sich hervorragend zur Identifizierung von Entitäten und können dies mit nahezu menschlicher Genauigkeit tun. Mit Hilfe unserer NLP-Engine identifiziert der Bot Wörter aus der Äußerung eines Benutzers, um sicherzustellen, dass alle verfügbaren Felder mit der vorliegenden Aufgabe übereinstimmen, oder er sammelt bei Bedarf zusätzliche Felddaten. Das Ziel der Entitätsextraktion ist es, alle Löcher zu füllen, die zur Erfüllung einer Aufgabe erforderlich sind, und dabei unnötige Details zu ignorieren. Es ist ein subtraktiver Prozess, bei dem der Chatbot nur die notwendigen Informationen erhält. Dabei ist es egal, ob der Benutzer alle Daten auf einmal bereitstellt oder sie durch ein geführtes Gespräch mit dem Chatbot erfasst werden.
Der Intent eines Satzes ist der Zweck oder das Ziel der Aussage. In einem Satz der Art, ‘Ich möchte zwei Karten für den neuen Spielberg-Film buchen’ ist es leicht, die Absicht zu identifizieren, nämlich “eine Buchung vorzunehmen”. Viele Sätze haben jedoch keinen klaren Intent. Dann ist es für einen Chatbot schwieriger, die Absicht zu erkennen, aber auch hier sind unsere NLP-Modelle sehr effektiv. Das Ziel der Absichtserkennung ist nicht nur, eine Äußerung der Aufgabe anzupassen, sondern sie vielmehr korrekt der beabsichtigten Aufgabe anzupassen. Wir tun das, indem wir Verben und Substantive so vielen offensichtlichen und nicht-offensichtlichen Synonymen wie möglich zuordnen.
NLP-Überblick
Um ein NLP für bestimmte Ziele arbeiten zu lassen, werden die Nutzer in der Lage sein müssen, sämtliche Typen von Entitäten und Intents zu definieren, die der Nutzer den Bot erkennen lassen möchte. In anderen Worten werden Nutzer mehrere NLP-Modelle erstellen: jeweils eines für jede Entität oder jeden Intent, die Ihr Chatbot identifizieren können soll. Nutzer können auf unserer Plattform so viele NLP-Modelle erstellen, wie sie benötigen. Also sollten Sie zum Beispiel ein NLP-Intent-Modell erstellen, so dass der Bot heraushören kann, ob der Kunde einen Einkauf tätigen möchte. Und ein Entität-Modell, das den Standort erkennt, sowie ein weiteres, das das Alter erkennt. Ihre Chatbots können dann alle drei verwenden, um dem Nutzer einen Einkauf aus einer Auswahl vorzuschlagen, die das Alter und den Standort des Kunden berücksichtigt.
Auf unserer Plattform müssen Benutzer nicht für jeden neuen Bot, den sie erstellen, ein neues NLP-Modell entwickeln. Alle erstellten Chatbots haben die Möglichkeit, auf alle NLP-Modelle zuzugreifen, die ein Benutzer trainiert hat.
Um Ihr NLP-Modell im Laufe der Zeit weiter zu entwickeln, so dass es immer genauer bei der Lösung einer Aufgabe wird, wollen Sie, dass der Chatbot zum Lösen von Aufgaben aus seinen Fehlern lernen kann. Machine Learning ist ein hochaktuelles Thema auf der Suche nach echter Künstlicher Intelligenz. Unsere Modelle verkörpern maschinelles Lernen in dem Sinne, dass das Modell auf der Grundlage der von Ihnen bereitgestellten Beispielsätze und deren Ergebnissen Entscheidungen über neue Sätze treffen kann.
Ausbildung
Unsere Plattform bietet auch das, was bisweilen überwachtes Lernen genannt wird. Mithilfe Ihrer Gesprächsdaten können Sie erkennen, wo der Chatbot mehr Training benötigt, und die von Ihnen identifizierten problematischen Sätze zusammen mit dem richtigen Ergebnis, zu dem der Bot kommen sollte, wenn er den Satz prüft, eingeben. Dieses überwachte Lernen wird in der nächsten Runde unüberwachten Lernens eine höhere Erfolgsrate zur Folge haben. Dieser Vorgang des periodischen Wechsels zwischen Ihrer Überwachung und unabhängiger Überprüfung von Sätzen wird schlussendlich zu einem hoch entwickelten, erfolgreichen Modell führen.
Vorgeschulte NLP-Modelle
Die großartige Nachricht ist, dass wir vortrainierte NLP-Modelle bereitstellen.
Es handelt sich dabei um hochmoderne Entity-Suchmodelle, die auf riesigen Datensätzen von Sätzen trainiert wurden.
So ist zum Beispiel unser NLP-Modell "Negative Entitäten" ideal, um die Frustration beim Anwender zu erkennen. Sie können dieses Modell in wenigen Minuten einsetzen und Ihr Chatbot wird in der Lage sein, die Unterhaltung zu analysieren. Er kann dann Sätze sagen wie: "Ich merke, dass Ihnen dieses Gespräch nicht gefällt. Möchten Sie stattdessen mit einem menschlichen Kundenberater reden?" Dann kann der Chatbot einen Kundenberater per SMS oder E-Mail kontaktieren, falls der Benutzer dies wünscht.
