NLU+ configureren

NLU+ biedt volledige, herhaalbare controle over de gesprekken van uw agent, een aangepast dialoogvenster en hoge nauwkeurigheid voor de query's van de klant. De NLU+ optie is ideaal voor grote zakelijke toepassingen. Deze typen toepassingen bestaan doorgaans uit een groot aantal onderwerpen en entiteiten en gebruiken een groot aantal trainingsvoorbeelden. Als u een agent met spraakfunctionaliteit hebt, worden uw NLU+ trainingsgegevens ook gebruikt om uw spraakherkenningsmogelijkheden te optimaliseren.

MET NLU+ kunnen makers een grote hoeveelheid geannoteerde gegevens toevoegen, waardoor gebruikers naar een hogere nauwkeurigheid van intentieroutering en entiteitextractie leiden. NlU+ wordt ook samengesteld op een grammaticabasis, waardoor u een exacte overeenkomst activeert met de trainingsgegevens die u hebt toegevoegd. Deze basis kan ook worden uitgebreid met entiteitsitems en synoniemen. Deze basis zorgt ervoor dat het model altijd de exacte intenties en entiteiten retourneert die u hebt toegevoegd voor aantekeningen.

Aanbevolen procedures voor NLU+

Houd rekening met de volgende richtlijnen voordat u uw NLU+ model en toepassing bouwt:

• Gebruik zoveel mogelijk echte trainingsgegevens. Voeg verschillende variaties toe in dragertermen om het model te helpen verschillende manieren te leren om intenties of entiteitextracties te activeren.
• Wanneer u aantekeningen maakt op entiteiten, is slechts één entiteitsvariant of synoniem voldoende. Als u meer varianten toevoegt, wordt er geen extra waarde toegevoegd.
• Hoe duidelijker uw intenties en entiteiten, de prestaties van uw model toenemen. Als vergelijkbare utterances worden gebruikt binnen verschillende intenties of als items of synoniemen, is er een hogere kans op modelverwarring.
• Neem geen bepalende woorden of voorzetsels op in letterlijke waarden voor entiteiten en in aantekeningen. Houd determiners en voorzetsels buiten de entiteit of aantekening.

Orkestratie en taalbegrip instellen

Als u NLU+wilt gebruiken, configureert u eerst de instellingen voor generatieve AI-indeling en selecteert u vervolgens de optie NLU+ language understanding.

1. Open uw agent en selecteer Instellingen.

2. Selecteer de 'klassieke' Copilot Studio orkestratieoptie in de instellingen van uw agent (Generative AI>Orchestration>Nee).

   

3. Selecteer de optie NLU+ in de language understanding-instellingen van uw agent.

   

4. Selecteer Opslaan.

Aantekeningen bij onderwerpen configureren

Als u de maximale waarde van NLU+ wilt retourneren, is het belangrijk om entiteitsaantekeningen toe te voegen aan de onderwerptriggertermen voor elk onderwerp. Door entiteitsaantekeningen toe te voegen in de voorbeelden die een onderwerp activeren, kan NLU+ de entiteiten extraheren als onderdeel van het proces voor het activeren van een onderwerp.

De entiteiten worden geannoteerd met behulp van de variabelen die zijn gekoppeld aan de entiteiten. Met deze koppeling kan dezelfde entiteit meerdere keren worden gebruikt binnen een onderwerp, gedeeld tussen onderwerpen of om verschillende kopieën binnen verschillende onderwerpen te maken.

Entiteitssyntaxis

Als u entiteiten in uw project gebruikt, moeten ze worden samengesteld met behulp van de volgende syntaxis:

• {Topic.Variable_Name/Entity_item_or_synonym}: Deze syntaxis wordt gebruikt voor lokale variabelen, die zijn afgestemd op een specifiek onderwerp.
• {Gloabl.Variable_Name/Entity_item_orsynonym}: Deze syntaxis wordt gebruikt voor globale variabelen, die in alle onderwerpen worden gebruikt.

In het volgende voorbeeld ziet u hoe entiteiten worden opgemaakt:

"boek een ticket van {Topic.fromCity/Boston} naar {Topic.toCity/NewYork} voor {Topic.noPass/2} passagiers {Topic.travelDate/tomorrow} in {Topic.class/First} de klas"

Hoewel entiteiten nuttig zijn, is het ook gebruikelijk om projecten te hebben die geen entiteiten gebruiken. Zelfs als uw project entiteiten gebruikt, is voor niet elk voorbeeld een entiteitsaantekening vereist. Er zijn enkele voorbeelden die alleen een onderwerp activeren en de entiteiten niet extraheren, zelfs als er entiteiten aan dat onderwerp zijn gekoppeld. Daarom zijn entiteitsaantekeningen optioneel en niet vereist.

Entiteitsaantekeningen

Naast het toevoegen van aantekeningen aan entiteiten in triggertermen van een onderwerp, kunt u het model helpen entiteiten te extraheren als onderdeel van een vraagknooppunt. Binnen elke aangepaste entiteit kunt u optionele entiteitaantekeningen toevoegen. Deze methode wordt gebruikt voor het annoteren van hoe klanten reageren op specifieke vragen, die worden gesteld om die bepaalde entiteit te verzamelen.

• U kunt slechts één entiteit toevoegen als onderdeel van entiteitaantekeningen. U kunt geen aantekeningen maken op twee verschillende entiteiten of zelfs twee exemplaren van een entiteit binnen entiteitsaantekeningen. In een CustomCity-entiteit kunt u bijvoorbeeld 'Boston aan New York' niet toevoegen als aantekening.

• Zorg ervoor dat u alleen voorbeelden toevoegt die verwijzen naar het extraheren van een entiteit en geen onderwerp activeren. Als u bijvoorbeeld een app voor het boeken van vluchten hebt, kunt u 'boek het voor New York' toevoegen. U moet geen voorbeeld toevoegen dat een bookTicket onderwerp activeert, zoals 'Ik wil naar New York reizen'.

Syntaxis voor aantekeningen

De volgende syntaxisvariaties kunnen worden gebruikt om de aantekeningsyntaxis te maken.

• {Entity value or Literal}: Als u aantekeningen maakt op één entiteit, hoeft u de entiteit niet op te geven.
• {ENTITY_NAME/Entity item or synonym}: Desgewenst kunt u de naam van de entiteit opgeven. Dit is de naam van de gesloten lijst of RegEx. Door de entiteitsnaam op te geven, is het gemakkelijker om te lezen in de YAML en komt deze overeen met de syntaxis die in onderwerpen wordt gebruikt.

In het volgende voorbeeld ziet u de syntaxis van de aantekening:

• "boek het voor {New York}"
• "boek het voor {City/New York}"

Aangepaste lijstentiteiten

Voor NLU+worden lijstentiteiten beschouwd als gedeeltelijk open. Deze overweging betekent dat het model letterlijke entiteiten extraheert die niet expliciet in de lijst zijn gedefinieerd, zodat het model entiteitsgegevens kan verwerken die niet expliciet zijn gedefinieerd.

U hebt bijvoorbeeld een aangepaste lijst met 'Filmtitels' die door uw app worden verwerkt. Als een gebruiker een titel aanvraagt die niet in uw lijst staat, wordt die titel nog steeds gemarkeerd als een 'Filmentiteit'. Als dit gebeurt, is de entiteitswaarde leeg, omdat het model niet weet welke waarde de entiteit moet toewijzen.

Als u wilt beïnvloeden hoe open een entiteit is, wijzigt u de manier waarop u aantekeningen maakt voor uw entiteit. Als u trainingsgegevens toevoegt waarbij de entiteit is geannoteerd met items en synoniemen die al zijn gedefinieerd in uw entiteitslijst, beschouwt het model de entiteit meestal gesloten. Het model kan nog steeds nieuwe entiteitsitems extraheren, maar de waarschijnlijkheid hiervan is laag. Hoe meer trainingsgegevens u toevoegt met de entiteit die is geannoteerd met letterlijke waarden die niet in uw entiteitsdefinitie zijn opgenomen, hoe meer open die lijst wordt. Het model heeft meer kans om letterlijke entiteiten te extraheren die niet in uw entiteitsdefinitie staan.

Uw NLU+ model bouwen

NLU+ vereist dat de maker expliciet hun NLU+ model bouwt voordat ze hun agent kunnen testen of publiceren. Dit verschilt van de oorspronkelijke NLU-optie, waarbij wijzigingen automatisch worden opgenomen. Het gecompileerde NLU+ model heeft een voorspelbarere latentieprestaties voor grote modellen, maar vereist modeltraining.

Nadat u uw trainingsgegevens hebt toegevoegd en u tevreden bent met deze gegevens, selecteert u de knop NLU+ model trainen . De knop is beschikbaar op de pagina Onderwerpen of op de pagina Entiteiteninstellingen .

NlU+ modeltrainingstijden variëren, afhankelijk van de complexiteit van het model. Op de pagina Kanalen wordt de modeltrainingsstatus weergegeven. Zodra de training is voltooid, worden details over het getrainde model weergegeven, inclusief de gebruiker die de training heeft gestart, wanneer de training is voltooid en de status.

Selecteer de details van de NLU+ modeltraining op de pagina Kanalen om het dialoogvenster NLU+ training te openen. Dit dialoogvenster bevat details over de training van uw model, zoals informatie over elk van uw talen. Als u Optimaliseren voor spraak hebt ingeschakeld, kunt u details van de ASR-training bekijken. Als tijdens de training fouten of waarschuwingen voor een regio of landinstelling zijn opgetreden, kunt u het bestand met afzonderlijke details downloaden voor meer informatie over de specifieke problemen.

Uw NLU+ -agent publiceren

Wanneer u klaar bent om uw agent en het bijbehorende NLU+-model te publiceren, gebruikt Copilot Studio het laatst getrainde model. Selecteer Publiceren en het dialoogvenster Publiceren geeft informatie weer over het laatst getrainde model. Met deze informatie kan de maker weten welke versie van het model wordt gepubliceerd.