Optimización de las frases desencadenadoras y la comprensión del lenguaje natural

¿Qué son las frases desencadenadoras en Copilot Studio

• Las frases desencadenantes entrenan el modelo de comprensión del lenguaje natural (NLU) de su agente.

• Las frases desencadenadoras se configuran en el nivel de tema e indican al agente para qué expresiones típicas de usuario se debe desencadenar un tema específico.

• Las frases desencadenantes suelen capturar la forma en que un usuario preguntaría sobre un problema o cuestión, por ejemplo, "problema con las malas hierbas en el césped".

Cuando creas un nuevo tema, solo necesitas proporcionar unas pocas frases de muestra (idealmente entre 5 y 10). En tiempo de ejecución, la IA analiza lo que dice el usuario y desencadena el tema que más se acerca en significado a la expresión del usuario. Para obtener más información acerca de las frases desencadenadoras eficaces, consulte Elegir frases desencadenadoras eficaces.

La importancia del contexto desencadenador

La NLU de Copilot Studio se comporta de manera diferente en función del estado de la conversación, lo que a veces puede dar lugar a comportamientos diferentes para la misma expresión del usuario.

A continuación se detallan los diferentes estados de la conversación:

• Inicio de la conversación: el agente no tiene contexto, por lo que se espera que la expresión del usuario haga lo siguiente:

  • Desencadenar un tema directamente (reconocimiento de intenciones).
  • Desencadenar una pregunta de desambiguación "quiso decir" (coincidencia de varios temas) entre los candidatos de intención si hay varios temas coincidentes.
  • Vaya a un tema alternativo si no se reconoce la intención.

• Después de que se active un "¿Quizás quiso decir?" (Múltiples temas coincidentes): NLU se optimiza para coincidir con uno de los temas sugeridos, con umbrales más altos para salir de las opciones presentadas.

• Cambiar desde un tema actual: si la NLU está tratando de llenar un espacio en un tema y el usuario está haciendo una consulta de usuario que podría desencadenar otro tema (cambio de tema).

Puntuación

El modelo NLU no tiene en cuenta la puntuación, incluidos los signos de interrogación.

Crear nuevas frases desencadenadoras

Si es posible, comience con datos de producción reales en lugar de inventar sus propias frases desencadenadoras. Las mejores frases desencadenantes son las que son similares a los datos reales que provienen de los usuarios. Estas frases son las que los usuarios le hacen a un agente desplegado.

No es necesario dejar fuera determinadas palabras: el modelo está diseñado para dar menos peso a las palabras innecesarias, como las palabras irrelevantes (palabras que se filtran antes del procesamiento de los datos del lenguaje natural porque son insignificantes).

Optimizar frases desencadenadoras

Propina	Ejemplos
Tenga al menos 5-10 frases desencadenadoras por tema Repita y agregue más a medida que aprende de los usuarios.	Encontrar mi tienda más cercana Comprobar ubicación del almacén Buscar una tienda Encuéntreme su ubicación más cercana Tienda cerca de mí
Varíe la estructura de las oraciones y los términos clave El modelo considera automáticamente variaciones de esas frases.	Cuándo está cerrado Horario de apertura diario
Use frases desencadenadoras cortas Menos de 10 palabras.	Cuándo está abierto
Evite las frases desencadenadoras de una sola palabra Esto aumenta el peso de palabras específicas en la activación de temas. Puede introducir confusión entre temas similares.	Tienda
Use frases completas	¿Puedo hablar con un asistente humano?
Tenga verbos y sustantivos únicos o combinaciones de los mismos	Necesito servicio de atención al cliente Quiero hablar con un asesor
Evite usar la misma variación de entidad No necesita usar todos los ejemplos del valor de la entidad. NLU tiene en cuenta automáticamente todas las variaciones.	Quiero pedir una hamburguesa Me gustaría una pizza Quiero nuggets de pollo

Equilibre la cantidad de frases desencadenadoras por tema

Intente equilibrar el número de frases desencadenadoras entre los temas. De ese modo, las capacidades NLU no ponderan en exceso un tema frente a otro en función de las frases desencadenadoras configuradas.

Evaluar los cambios

Después de actualizar las frases desencadenadoras, o después de combinar o dividir temas, hay varias formas de evaluar los cambios:

• Un cambio inmediato en el comportamiento del agente, que se puede observar a través del chat de prueba (por ejemplo, un tema que ahora se está desencadenando o no en función de las actualizaciones de la frase desencadenadora).
• Un cambio después de la implementación del agente y al enfrentar tráfico, lo que se traduce en tasas de desvío más altas o más bajas (sin escalamiento). Esto se puede observar desde la pestaña de análisis en Copilot Studio.

Propina

Puede probar el desencadenamiento de temas y el rendimiento de su modelo NLU frente a datos de prueba de manera masiva, utilizando el marco de pruebas de Copilot.

Aunque las características y componentes subyacentes utilizados para crear Copilot Test Framework (como interactuar con la API de Direct Line) son totalmente compatibles, Copilot Test Framework en sí representa implementaciones de muestra de estas funciones.

Nuestros clientes y la comunidad pueden usar y ajustar Copilot Test Framework para implementar pruebas masivas. Si tiene problemas con Copilot Test Framework, informe el problema aquí: https://aka.ms/PVASamples. (El soporte técnico de Microsoft no le puede ayudar a solucionar problemas relacionados con estas muestras, pero sí aquellos problemas relacionados con la plataforma y las características subyacentes.)

Procedimientos recomendados para entidades y llenar espacios