Hva er en «ytring» i AI?: Eksempler, datasett og beste praksis

Har du noen gang lurt på hvordan chatboter og virtuelle assistenter våkner når du sier «Hei Siri» eller «Alexa»? Det er på grunn av innsamlingen av tekstytringer eller utløser ord innebygd i programvaren som aktiverer systemet så snart det hører det programmerte våkneordet.

Den generelle prosessen med å lage lyder og ytringsdata er imidlertid ikke så enkel. Det er en prosess som må gjennomføres med riktig teknikk for å få ønsket resultat. Derfor vil denne bloggen dele veien til å lage gode ytringer/triggerord som fungerer sømløst med din samtale-AI.

Hva er en «ytring» i AI?

I konversasjonsbasert AI (chatboter, stemmeassistenter) er en ytring en kort brukerinndata – de nøyaktige ordene en person sier eller skriver. Modeller bruker ytringer for å finne ut brukerens intensjon (mål) og eventuelle enheter (detaljer som datoer, produktnavn, mengder).

Enkle eksempler

E-handelsbot

Ytring: «Spor bestillingen min 123-456».

• Intensjon: Spor ordre
• Enhet: ordre_id = 123-456

Telekom-bot

Ytring: «Oppgrader dataabonnementet mitt».

• Intensjon: Endringsplan
• Enhet: plantype = data

Stemmeassistent for banktjenester

Ytring (muntlig): «WHva er sjekksaldoen min i dag?"

• Intensjon: Sjekksaldo
• Enheter: kontotype = sjekkkonto, dato = i dag

Hvorfor din samtalebaserte AI trenger gode ytringsdata

Hvis du vil at chatboten eller stemmeassistenten din skal føles nyttig – ikke skjør – start med bedre ytringsdata. Ytringer er de rå setningene folk sier eller skriver for å få ting gjort («bestill et rom til meg for i morgen», «endre planen min», «hva er statusen?»). De styrker intensjonsklassifisering, enhetsutvinning og til syvende og sist kundeopplevelsen. Når ytringer er mangfoldige, representative og godt merkede, lærer modellene dine de riktige grensene mellom intensjoner og håndterer rotete, virkelige input med ro.

Bygge ytringsarkivet ditt: en enkel arbeidsflyt

1. Start med ekte brukerspråk

Mine chattelogger, søk, IVR-transkripter, agentnotaterog kunde-e-poster. Grupper dem etter brukermål for å finne såhensikter. (Du vil fange opp dagligdagse uttrykk og mentale modeller du ikke kommer til å tenke på i et rom.)

2. Lag variasjon med vilje

For hver intensjon, skriv forskjellige eksempler:

• Omformuler verb og substantiver («avbryt», «stopp», «slutt»; «planlegg», «abonnement»).
• Bland setningslengder og -strukturer (spørsmål, direktiv, fragment).
• Inkluder skrivefeil, forkortelser, emojier (for chat) og kodebytte der det er relevant.
• Legg til negative tilfeller som ligner på hverandre, men som bør ikke kartlegge denne hensikten.

3. Balanser klassene dine

Ekstremt skjev trening (f.eks. 500 eksempler for én intensjon og 10 for andre) skader prediksjonskvaliteten. intensjonsstørrelser relativt jevne og dyrk dem sammen slik trafikken lærer deg.

4. Valider kvaliteten før opplæring

Blokker data med lavt signal med validatorer under redigering/innsamling:

• Språkgjenkjenning: Sørg for at eksemplene er i målspråket.
• Gibberish-detektor: fange meningsløse strenger.
• Duplikat-/nesten-duplikatkontroller: hold variasjonen høy.
• Regex/staving og grammatikk: håndheve stilregler der det er nødvendig.
  Smarte validatorer (slik de brukes av Appen) kan automatisere store deler av denne gatekeeping-funksjonen.

5. Merk enheter konsekvent

Definer sportyper (datoer, produkter, adresser) og vis annotatorer hvordan markere grenserMønstre som Mønster som helst i LUIS kan det tydeliggjøre lange, variable spenn (f.eks. dokumentnavn) som forvirrer modeller.

6. Test som om det var produksjon

Skyv usett virkelige ytringer til et prediksjonsendepunkt eller en staging-bot, gjennomgå feilklassifiseringer og fremme tvetydige eksempler inn i treningen. Gjør dette til en løkke: samle → trene → gjennomgå → utvide.

Hva «rotete virkelighet» egentlig betyr (og hvordan man skal håndtere den)

Ekte brukere bruker sjelden perfekte setninger. Forvent:

• Fragmenter: "refusjon av fraktgebyr"
• Sammensatte mål: «avbryt bestillingen og bestill på nytt i blått»
• Implisitte enheter: «send til kontoret mitt» (du må vite hvilket kontor)
• Tvetydighet: «endre planen min» (hvilken plan? Gjelder når?)

Praktiske løsninger

• Gi avklarende spørsmål bare når det er nødvendig; unngå å overspørre.
• Capture kontekstoverføring (pronomen som «den rekkefølgen», «den siste»).
• Bruk reserveintensjoner med målrettet gjenoppretting: «Jeg kan hjelpe deg med å avlyse eller endre planer – hva ønsker du?»
• Overvåke intensjonshelse (forvirring, kollisjon) og legg til data der det er svakt