Konfigurer NLU+

NLU+ giver fuld, gentagelig kontrol over din agents samtaler, en tilpasset dialogboks og høj nøjagtighed for kundens forespørgsler. NLU+ er ideel til store programmer i virksomhedsklassen. Disse typer programmer består typisk af et stort antal emner og enheder og bruger et stort antal træningseksempler. Hvis du har en stemmeaktiveret agent, bruges dine NLU+-oplæringsdata også til at optimere dine funktioner til talegenkendelse.

NLU+ gør det muligt for oprettere at tilføje en stor mængde anmærkede data, hvilket driver brugerne i retning af routing med højere formål og nøjagtighed af udtrækning af enheder. NLU+ er også konstrueret på en grammatikbase, hvilket sikrer, at du udløser et nøjagtigt match med de oplæringsdata, du har tilføjet. Denne basis kan også udvides med objektelementer og synonymer. Dette fundament sikrer, at modellen altid returnerer de nøjagtige hensigter og enheder, du har tilføjet for anmærkninger.

Vigtige oplysninger

• Indstillingen NLU+ er tilgængelig, når du administrerer dine stemme- eller chatkanaler med en Dynamics 365 Contact Center-licens. Du kan få flere oplysninger ved at gå til Systemkrav til Dynamics 365 Contact Center.
• Når NLU+ er slået til, udveksles data mellem Copilot Studio og Dynamics 365 Contact Center. Denne udveksling omfatter oplærings- og kørselsdata. Hver tjeneste følger sine egne specifikke datapolitikker. Du kan få flere oplysninger om disse politikker ved at gå til Nøglebegreber – Copilot Studio-sikkerhed og -styring samt Beskyttelse af personlige oplysninger og personlige data i Microsoft Dynamics 365.

Bedste praksis for NLU+

Overvej følgende vejledning, før du bygger din NLU+-model og -app:

• Brug så mange træningsdata fra den virkelige verden som muligt. Tilføj forskellige variationer i mobiloperatørsudtryk for at hjælpe modellen med at lære forskellige måder at udløse hensigter eller objektudtrækninger på.
• Når du anmærker objekter, er det kun én enhedsvariant eller ét synonym, der er tilstrækkeligt. Tilføjelse af flere varianter tilføjer ingen ekstra værdi.
• Jo mere entydige dine hensigter og enheder er, øges modellens ydeevne. Hvis lignende udtalelser bruges i forskellige formål eller som elementer eller synonymer, er der større risiko for modelforvirring.
• Medtag ikke bestemmende elementer eller forholdsord i objektkonstanter og anmærkninger. Bevar bestemmere og forholdsord uden for enheden eller anmærkningen.

Konfigurer orkestrering og sprogforståelse

Hvis du vil bruge NLU+, skal du først konfigurere de generative indstillinger for AI-orkestrering og derefter vælge indstillingen NLU+ sprogforståelse.

1. Åbn din agent, og vælg Indstillinger.

2. Vælg indstillingen "klassisk" Copilot Studio-orkestrering under din agents indstillinger (Generative AI>Orchestration>No).

   

3. Vælg indstillingen NLU+ i din agents indstillinger for sprogforståelse .

   

4. Vælg Gem.

Konfigurer emneanmærkninger

Hvis du vil returnere den maksimale værdi af NLU+, er det vigtigt at føje enhedsanmærkninger til emnet Udløserudtryk for hvert emne. Ved at tilføje enhedsanmærkninger i de eksempler, der udløser et emne, kan NLU+ udtrække enhederne som en del af processen med at udløse et emne.

Objekterne anmærkes ved hjælp af de variabler, der er knyttet til objekterne. Denne sammenkædning gør det muligt at bruge det samme objekt flere gange i et emne, dele det på tværs af emner eller oprette forskellige kopier inden for forskellige emner.

Objektsyntaks

Hvis du bruger enheder i projektet, skal de oprettes ved hjælp af følgende syntaks:

• {Topic.Variable_Name/Entity_item_or_synonym}: Denne syntaks bruges til lokale variabler, der er begrænset til et bestemt emne.
• {Gloabl.Variable_Name/Entity_item_orsynonym}: Denne syntaks bruges til globale variabler, der bruges på tværs af alle emner.

I følgende eksempel illustreres det, hvordan objekter formateres:

"book en billet fra {Topic.fromCity/Boston} til {Topic.toCity/NewYork} for {Topic.noPass/2} passagerer {Topic.travelDate/tomorrow} i {Topic.class/First} klassen"

Selvom objekter er nyttige, er det også almindeligt at have projekter, der ikke bruger objekter. Selvom dit projekt bruger objekter, kræver ikke alle eksempler enhedsanmærkning. Der er nogle eksempler, der kun udløser et emne og ikke udtrækker objekterne, selvom der er objekter, der er knyttet til dette emne. Derfor er enhedsanmærkninger valgfrie og ikke påkrævet.

Notat

Objekter kan også udtrækkes, selvom der ikke tilføjes enhedsanmærkninger. Hvis du tilføjer anmærkninger, øges nøjagtigheden af den overordnede objektudtrækning.

Enhedsanmærkninger

Ud over at anmærke objekter i et emnes udløserudtryk kan du hjælpe modellen med at udtrække enheder som en del af en node af typen Spørgsmål. I hvert brugerdefineret objekt kan du tilføje valgfri enhedsanmærkninger. Denne metode bruges til at annotere, hvordan kunder reagerer på specifikke spørgsmål, der stilles for at indsamle data om den pågældende enhed.

• Du kan kun tilføje et enkelt objekt som en del af enhedsanmærkninger. Du kan ikke anmærke to forskellige enheder eller endda to forekomster af et objekt i enhedsanmærkninger. I et CustomCity-objekt kan du f.eks. ikke føje "Boston til New York" som en anmærkning.

• Sørg for, at du kun tilføjer eksempler, der refererer til udtrækning af en enhed, og ikke udløser et emne. Hvis du f.eks. har en app til flyreservation, kan du tilføje "book den til New York". Du bør ikke tilføje et eksempel, der udløser et bookTicket emne, f.eks. "Jeg vil gerne rejse til New York."

Anmærkningssyntaks

Følgende syntaksvariationer kan bruges til at oprette anmærkningssyntaksen.

• {Entity value or Literal}: Hvis du angiver en enkelt enhed, behøver du ikke at angive objektet.
• {ENTITY_NAME/Entity item or synonym}: Hvis det er nødvendigt, kan du angive enhedsnavnet, som er navnet på den lukkede liste eller RegEx. Hvis du angiver enhedsnavnet, bliver det nemmere at læse i YAML, og det svarer også til den syntaks, der bruges i emner.

I følgende eksempel illustreres anmærkningssyntaksen:

• Reserver det til {New York}
• Reserver det til {City/New York}

Brugerdefinerede listeobjekter

For NLU+ anses listeobjekter for at være delvist åbne. Denne overvejelse betyder, at modellen udtrækker objektkonstanter, der ikke eksplicit er defineret på listen, så modellen kan håndtere objektdata, der ikke er eksplicit defineret.

Du har f.eks. en brugerdefineret liste med "Filmtitler", som din app håndterer. Hvis en bruger anmoder om en titel, der ikke findes på listen, markerer modellen stadig titlen som en "Filmenhed". Når dette sker, er objektværdien tom, fordi modellen ikke ved, hvilken værdi der skal tildeles objektet.

Hvis du vil have indflydelse på, hvordan et objekt åbnes, skal du ændre den måde, du anmærke dit objekt på. Hvis du tilføjer oplæringsdata, hvor enheden er anmærket med elementer og synonymer, der allerede er defineret på din objektliste, betragter modellen enheden som for det meste lukket. Modellen udtrækker muligvis stadig nye objektelementer, men sandsynligheden for, at det sker, er lav. Jo flere oplæringsdata du tilføjer med objektet anmærket med konstanter, der ikke findes i din objektdefinition, jo mere åben bliver listen. Det er mere sandsynligt, at modellen udtrækker objektkonstanter, der ikke findes i din objektdefinition.

Byg din NLU+ model

NLU+ kræver, at opretteren eksplicit bygger sin NLU+-model, før vedkommende kan teste eller publicere sin agent. Dette adskiller sig fra den oprindelige NLU-indstilling, hvor ændringer automatisk indarbejdes. NLU+ kompileret model har en mere forudsigelig ventetid for store modeller, men kræver oplæring af modellen.

Når du har tilføjet dine oplæringsdata, og du er tilfreds med dem, skal du vælge knappen Oplær NLU+ model . Knappen er tilgængelig på siden Emner eller siden Indstillinger for enheder .

Tiderne for NLU+-modeltræning varierer afhængigt af modellens kompleksitet. På siden Kanaler vises modeltræningsstatussen. Når oplæringen er fuldført, vises der oplysninger om den oplærte model, herunder den bruger, der startede træningen, hvornår træningen blev fuldført, og status.

Vælg oplæringsdetaljerne for NLU+-modellen på siden Kanaler for at åbne dialogboksen NLU+-oplæring. Denne dialogboks indeholder oplysninger om oplæringen af din model, f.eks. oplysninger om hvert af dine sprog. Hvis du har Optimeret til stemme slået til , kan du få vist detaljer om ASR-træningen. Hvis oplæringen havde fejl eller advarsler for et område eller en landestandard, kan du downloade filen med individuelle oplysninger for at få flere oplysninger om de specifikke problemer.

Notat

• Du skal vente på, at oplæringen fuldføres, før du starter en anden modeltræning.

• Du kan oplære modellerne lige så mange gange, du vil. Copilot Studio bevarer kun den senest oplærte model, og denne model bruges, når du tester eller udgiver din agent.

Publicer din NLU+ agent

Når du er klar til at publicere din agent og dens NLU+ model, bruger Copilot Studio den senest oplærte model. Vælg Publicer, hvorefter dialogboksen Publicer viser oplysninger om den senest oplærte model. Disse oplysninger gør det muligt for opretteren at vide, hvilken version af modellen der udgives.