在上一篇文章， 我們對尚處于A(yíng)I對話(huà)機器人項目初始實(shí)施階段的企業(yè)提供了一些建議，以避免他們后期遇到此類(lèi)項目通常會(huì )碰到的通病問(wèn)題。本篇文章將延續上一篇的建議內容。
在這個(gè)階段，您有幾種建模技巧來(lái)更好地理解對話(huà)并創(chuàng )建意圖：
- 多詞聚類(lèi)模型- 系統利用該模型對對話(huà)進(jìn)行自動(dòng)聚類(lèi)分組。
- 單詞詞頻模型- 幫助基于詞語(yǔ)出現頻率的相互關(guān)系識別數據共性。
- 模式模型– 用戶(hù)基于對話(huà)內容定義模式，系統可以使用這些模式模型進(jìn)行持續識別
- 分類(lèi)器模型- 系統通過(guò)比較客戶(hù)對話(huà)和當前意圖來(lái)預測最匹配意圖。
上述模型都可以幫助您快速輕松地分析和細分大量對話(huà)。如果您想使用我們的平臺來(lái)創(chuàng )建意圖，您所要做的就是將對話(huà)進(jìn)行簡(jiǎn)單的拖放，您甚至可以以邏輯層次對意圖進(jìn)行分組，以便在業(yè)務(wù)拓展時(shí)更好的進(jìn)行意圖管理。在生成意圖模型時(shí)，系統會(huì )突出顯示可能會(huì )對模型有影響的沖突意圖。同時(shí)，您也可以選擇對話(huà)樣本來(lái)測試模型。在測試過(guò)程中，系統會(huì )突出顯示命中的意圖并根據權重對它們進(jìn)行排序，這有助于客戶(hù)基于預期要解決的業(yè)務(wù)場(chǎng)景調整模型，從而獲得預期的效果。
這些方法的優(yōu)點(diǎn)是：
- 在開(kāi)始創(chuàng )建意圖之前，您對對話(huà)和模式有了更好的理解。
- 擁有多種模型創(chuàng )建策略，以更好地了解客戶(hù)數據并挖掘信息。
- 分析對話(huà)的過(guò)程可以用來(lái)創(chuàng )造新的意圖。
- 意圖基于實(shí)際客戶(hù)數據創(chuàng )建–這將具有更高的準確性和更好的覆蓋率。
- 與手動(dòng)輸入意圖和培訓短語(yǔ)相比，開(kāi)發(fā)新意圖的速度更快。
- 當修改或創(chuàng )建新意圖時(shí)，可以將對話(huà)拖放到新意圖中。
- 意圖的訓練詞語(yǔ)沒(méi)有數量限制。
- 系統的意圖數量沒(méi)有限制。
- 在部署模型之前預測并提示潛在沖突。
- 模型測試有助于更好地理解被觸發(fā)的意圖。
- 最重要的是，您可以完全控制機器學(xué)習模型。
如果您希望了解Verint Intent Manager如何運行，或正在使用其它聊天機器人技術(shù)但面臨擴展問(wèn)題，可聯(lián)系我們，我們可以采用我們的人工智能工具幫助您在當前平臺上進(jìn)行更好地創(chuàng )新或幫助您轉移到一個(gè)可擴展且透明的Verint IVA平臺。
