Optimisation des phrases déclencheurs et de la compréhension du langage naturel
Important
Les capacités et les fonctionnalités de Power Virtual Agents font maintenant partie de Microsoft Copilot Studio, suite à des investissements significatifs dans l’IA générative et des intégrations améliorées dans Microsoft Copilot.
Certains articles et captures d’écran peuvent faire référence à Power Virtual Agents pendant que nous mettons à jour la documentation et le contenu de la formation.
Que sont les phrases déclencheurs dans Microsoft Copilot Studio
Les phrases déclencheurs entraînent le modèle de compréhension du langage naturel (NLU) de votre copilote.
Les phrases déclencheurs sont configurées au niveau de la rubrique et indiquent au copilote pour quels énoncés classiques de l’utilisateur une rubrique spécifique doit être déclenchée.
Les phrases déclencheurs capturent généralement la manière dont un utilisateur final poserait des questions sur un problème ou une question. Par exemple, « problème de mauvaises herbes dans la pelouse »
Astuce
Lors de la création d’un nouveau sujet, un créateur n’a besoin de fournir que quelques exemples de phrases (idéalement entre cinq et dix). Lorsque le copilote est utilisé, l’IA analysera ce que dit l’utilisateur et déclenchera la rubrique dont la signification est la plus proche de l’énoncé de l’utilisateur.
L’importance du contexte de déclenchement
Le modèle de NLU de Microsoft Copilot Studio se comporte différemment en fonction de l’état de la conversation, ce qui peut parfois entraîner des comportements différents pour le même énoncé de l’utilisateur.
Voici les différents états de la conversation :
- Démarrage de la conversation : le copilote n’a aucun contexte ; par conséquent, un énoncé de l’utilisateur doit : déclencher une rubrique directement(IntentRecognition), déclencher une question de désambiguïsation « vouliez-vous dire » (plusieurs rubriques correspondantes) (IntentionCandidats) s’il existe plusieurs rubriques correspondantes, ou une rubrique de secours (UnknownIntent) si l’intention n’est pas reconnue.
- Après le déclenchement d’un sujet « vouliez-vous dire » (Plusieurs sujets correspondants) : le modèle de NLU effectue une optimisation pour correspondre à l’un des sujets suggérés, avec des seuils plus élevés pour éliminer certaines options présentées.
- Quitter un sujet en cours : si le modèle de NLU essaie de remplir un emplacement dans un sujet, et que l’utilisateur émet une requête utilisateur qui pourrait déclencher un autre sujet (changement de sujet).
Concernant la ponctuation
Le modèle de NLU ne reconnaît pas la ponctuation, y compris les points d’interrogation.
Création de nouvelles phrases déclencheurs
Si possible, commencez avec des données de production réelles plutôt que d’inventer vos propres phrases déclencheurs. Les meilleures phrases déclencheurs sont celles qui ressemblent aux données réelles provenant des utilisateurs finaux. Ces phrases sont celles que les utilisateurs posent à un copilote déployé.
Il n’est pas nécessaire d’omettre des mots spécifiques : le modèle est conçu pour donner moins de poids aux mots inutiles, tels que les mots vides (mots qui sont filtrés avant le traitement des données en langage naturel car ils sont insignifiants).
Optimisation des phrases déclencheurs
| # | Astuce | Examples |
|---|---|---|
| 1 | Avoir au moins 5 à 10 phrases déclencheurs par sujet Itérez et ajoutez-en au fur et à mesure que vous apprenez des utilisateurs. |
Trouver mon magasin le plus proche Vérifier l’emplacement du magasin Trouver un magasin Trouvez-moi votre emplacement le plus proche Magasin près de chez moi |
| 2 | Variez la structure des phrases et les termes clés Le modèle prend automatiquement en compte les variantes de ces phrases. |
Quand êtes-vous fermé Heures d’ouverture quotidiennes |
| 3 | Utilisez des phrases déclencheurs courtes De moins de 10 mots. |
Quand êtes-vous ouvert |
| 4 | Évitez les phrases déclencheurs composées d’un seul mot Cela augmente le poids de mots spécifiques dans le déclenchement de sujet. Cela peut introduire une confusion entre des sujets similaires. |
Magasin |
| 5 | Utilisez des phrases complètes | Puis-je parler à un conseiller humain |
| 6 | Utilisez des verbes et des noms uniques ou des combinaisons de ceux-ci | J’ai besoin du service clientèle Je veux parler avec un conseiller |
| 7 | Évitez d’utiliser la même variation d’entité Vous n’avez pas besoin d’utiliser tous les exemples de la valeur d’une entité. Le modèle de NLU prend automatiquement en compte toutes les variantes. |
Je veux commander un hamburger Je voudrais une pizza Je voudrais des nuggets de poulet |
Équilibrer le nombre de phrases déclencheurs par sujet
Essayez d’équilibrer le nombre de phrases déclencheurs entre les sujets.
Astuce
De cette façon, les fonctionnalités NLU n’accorderont pas trop de poids à un sujet par rapport à un autre en fonction des phrases déclencheurs configurées.
Évaluer l’impact de vos modifications
Lors de la mise à jour des phrases déclencheurs, ou lors de la fusion ou de la scission de sujets, il existe plusieurs façons d’évaluer les modifications :
- Un changement immédiat dans le comportement du copilote, qui peut être observé via le canevas « copilote de test » (par exemple, une rubrique qui se déclenche ou non en fonction des mises à jour des phrases déclencheurs).
- Un changement après le déploiement du copilote et orienté trafic, qui se traduit par des taux de déviation (sans escalade) plus ou moins élevés. Cela peut être observé à partir de l’onglet d’analyse dans Microsoft Copilot Studio.
Astuce
Vous pouvez tester le déclenchement de rubriques et les performances de votre modèle NLU par rapport aux données de test en bloc, en tirant parti de Copilot Test Framework.
Bien que les fonctionnalités et composants sous-jacents utilisés pour créer Copilot Test Framework (par exemple, interagir avec l’API Direct Line) soient entièrement pris en charge, Copilot Test Framework lui-même représente des exemples d’implémentation de ces fonctionnalités.
Nos clients et notre communauté peuvent utiliser et ajuster Copilot Test Framework pour mettre en œuvre des tests en bloc. Si vous rencontrez des problèmes avec Copilot Test Framework, signalez le problème ici : https://aka.ms/PVASamples. (Le Support Microsoft ne vous aidera pas pour les problèmes liés à ces exemples, mais il vous aidera pour les problèmes de plateforme et de fonctionnalités sous-jacents.)
Commentaires
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultez https://aka.ms/ContentUserFeedback.
Envoyer et afficher des commentaires pour