ट्रिगर वाक्यांशों और प्राकृतिक भाषा समझ को अनुकूलित करना

महत्त्वपूर्ण

Power Virtual Agents जनरेटिव एआई और उन्नत एकीकरण में महत्वपूर्ण निवेश के बाद, अब इसकी क्षमताएं और विशेषताएं इसका हिस्सा बन गई हैं। Microsoft Copilot Studio Microsoft Copilot

कुछ लेख और स्क्रीनशॉट इस बात का संदर्भ दे सकते हैं कि Power Virtual Agents जब हम दस्तावेज़ और प्रशिक्षण सामग्री को अपडेट करते हैं।

ट्रिगर वाक्यांश क्या हैं? Microsoft Copilot Studio

• ट्रिगर वाक्यांश आपके सह-पायलट की प्राकृतिक भाषा समझ (NLU) मॉडल को प्रशिक्षित करते हैं।

• ट्रिगर वाक्यांश विषय स्तर पर कॉन्फ़िगर किए गए हैं और सह-पायलट को संकेत देते हैं कि किस विशिष्ट उपयोगकर्ता कथन के लिए एक विशिष्ट विषय को ट्रिगर किया जाना चाहिए।

• ट्रिगर वाक्यांश आमतौर पर उस तरीके को दर्शाते हैं जिस तरह अंतिम उपयोगकर्ता किसी समस्या या मुद्दे के बारे में पूछता है। उदाहरण के लिए, "लॉन में खरपतवार की समस्या"

टिप

नया विषय बनाते समय, निर्माता को केवल कुछ नमूना वाक्यांश (आदर्श रूप से पांच से दस के बीच) प्रदान करने की आवश्यकता होती है। जब सह-पायलट का उपयोग किया जाता है, तो AI उपयोगकर्ता द्वारा कही गई बातों का विश्लेषण करेगा और उपयोगकर्ता के कथन के सबसे निकट अर्थ वाले विषय को ट्रिगर करेगा।

ट्रिगरिंग संदर्भ का महत्व

Microsoft Copilot Studio एनएलयू वार्तालाप की स्थिति के आधार पर अलग-अलग तरीके से व्यवहार करता है, जिसके कारण कभी-कभी एक ही उपयोगकर्ता के कथन के लिए अलग-अलग व्यवहार हो सकता है।

विभिन्न वार्तालाप स्थितियाँ निम्नलिखित हैं:

• वार्तालाप की शुरुआत: सह-पायलट के पास कोई संदर्भ नहीं है, इसलिए उपयोगकर्ता के कथन से यह अपेक्षित है कि वह या तो: सीधे विषय को ट्रिगर करे (इरादे की पहचान), यदि कई मेल खाने वाले विषय हैं तो इरादे वाले उम्मीदवारों के बीच "क्या आपका मतलब था" (एकाधिक विषयों का मिलान) अस्पष्टता प्रश्न को ट्रिगर करे, या यदि इरादे की पहचान नहीं की गई है तो फ़ॉलबैक विषय पर जाए।
• "क्या आपका मतलब यह था" (एकाधिक विषय मिलान) ट्रिगर होने के बाद: NLU सुझाए गए विषयों में से एक से मिलान करने के लिए अनुकूलित होता है, जिसमें प्रस्तुत विकल्पों से बाहर निकलने के लिए उच्च सीमा होती है।
• वर्तमान विषय से स्विच आउट करना: यदि NLU किसी विषय में स्लॉट भरने का प्रयास कर रहा है, और उपयोगकर्ता कोई उपयोगकर्ता क्वेरी दे रहा है जो अन्य विषय (विषय स्विचिंग) को ट्रिगर कर सकता है।

विराम चिह्न पर

एनएलयू मॉडल प्रश्न चिह्नों सहित विराम चिह्नों के प्रति अज्ञेय है।

नये ट्रिगर वाक्यांश बनाना

यदि संभव हो तो, अपने स्वयं के ट्रिगर वाक्यांश बनाने के बजाय वास्तविक उत्पादन डेटा से शुरुआत करें। सर्वोत्तम ट्रिगर वाक्यांश वे होते हैं जो अंतिम उपयोगकर्ताओं से आने वाले वास्तविक डेटा के समान होते हैं। ये वाक्यांश वे हैं जो उपयोगकर्ता तैनात सह-पायलट से पूछते हैं।

विशिष्ट शब्दों को छोड़ने की कोई आवश्यकता नहीं है: मॉडल को अनावश्यक शब्दों को कम महत्व देने के लिए डिज़ाइन किया गया है, जैसे स्टॉप शब्द (ऐसे शब्द जो प्राकृतिक भाषा डेटा के प्रसंस्करण से पहले फ़िल्टर कर दिए जाते हैं क्योंकि वे महत्वहीन होते हैं)।

ट्रिगर वाक्यांशों का अनुकूलन

#	टिप	उदाहरण
1	प्रति विषय कम से कम 5-10 ट्रिगर वाक्यांश रखें जैसे-जैसे आप उपयोगकर्ताओं से सीखते हैं, उसे दोहराते रहें और और अधिक जोड़ते रहें।	मेरा निकटतम स्टोर खोजें स्टोर का स्थान जांचें कोई दुकान ढूंढो मुझे अपना निकटतम स्थान ढूंढ़ो मेरे पास स्टोर
2	वाक्य संरचना और मुख्य शब्दों में भिन्नता लाएं मॉडल स्वचालित रूप से उन वाक्यांशों के विभिन्न रूपों पर विचार करता है।	आप कब बंद रहते हैं? दैनिक खुलने का समय
3	छोटे ट्रिगर वाक्यांशों का उपयोग करें 10 से कम शब्द.	आप कब खुलते हैं?
4	एकल-शब्द ट्रिगर वाक्यांशों से बचें इससे विषय ट्रिगरिंग में विशिष्ट शब्दों का भार बढ़ जाता है। इससे समान विषयों के बीच भ्रम पैदा हो सकता है।	इकट्ठा करना
5	संपूर्ण वाक्यांशों का उपयोग करें	क्या मैं मानव सहायक से बात कर सकता हूँ?
6	अद्वितीय क्रियाएँ और संज्ञाएँ या उनका संयोजन होना	मुझे ग्राहक सेवा चाहिए मैं एक सलाहकार से बात करना चाहता हूँ
7	एक ही इकाई भिन्नता का उपयोग करने से बचें आपको इकाई मान से सभी उदाहरणों का उपयोग करने की आवश्यकता नहीं है। एनएलयू स्वचालित रूप से सभी विविधताओं पर विचार करता है।	मैं एक बर्गर ऑर्डर करना चाहता हूँ मुझे पिज़्ज़ा चाहिए मुझे चिकन नगेट्स चाहिए

विषय प्रति ट्रिगर वाक्यांशों की संख्या को संतुलित करें

विषयों के बीच ट्रिगर वाक्यांशों की संख्या को संतुलित करने का प्रयास करें।

टिप

इस तरह, NLU क्षमताएं कॉन्फ़िगर किए गए ट्रिगर वाक्यांशों के आधार पर किसी विषय को दूसरे के मुकाबले अधिक महत्व नहीं देती हैं।

अपने परिवर्तनों के प्रभाव का आकलन करना

ट्रिगर वाक्यांशों को अद्यतन करते समय, या विषयों को विलय या विभाजित करते समय, परिवर्तनों का आकलन करने के कई तरीके हैं:

• सह-पायलट व्यवहार में तत्काल परिवर्तन, जिसे "परीक्षण सह-पायलट" कैनवास के माध्यम से देखा जा सकता है (उदाहरण के लिए, एक विषय जो अब ट्रिगर हो रहा है या ट्रिगर वाक्यांश अपडेट के आधार पर नहीं)।
• सह-पायलट की तैनाती और यातायात का सामना करने के बाद होने वाला परिवर्तन, जो उच्च या निम्न विक्षेपण (गैर-वृद्धि) दरों में परिवर्तित होता है। इसे एनालिटिक्स टैब से देखा जा सकता है। Microsoft Copilot Studio

टिप

आप कोपायलट टेस्ट फ्रेमवर्क का लाभ उठाकर विषय ट्रिगरिंग का परीक्षण कर सकते हैं और देख सकते हैं कि आपका NLU मॉडल बल्क में परीक्षण डेटा के विरुद्ध कैसा प्रदर्शन करता है।

यद्यपि कोपायलट परीक्षण फ्रेमवर्क (जैसे कि Direct Line एपीआई के साथ इंटरैक्ट करना) के निर्माण के लिए उपयोग की जाने वाली अंतर्निहित विशेषताएं और घटक पूरी तरह से समर्थित हैं, कोपायलट परीक्षण फ्रेमवर्क स्वयं इन सुविधाओं के नमूना कार्यान्वयन का प्रतिनिधित्व करता है।

हमारे ग्राहक और समुदाय थोक परीक्षण को लागू करने के लिए कोपायलट टेस्ट फ्रेमवर्क का उपयोग और समायोजन कर सकते हैं। यदि आपको कोपायलट टेस्ट फ्रेमवर्क के साथ समस्याओं का सामना करना पड़ता है, तो समस्या की रिपोर्ट यहां करें:। https://aka.ms/PVASamples (Microsoft समर्थन इन नमूनों से संबंधित समस्याओं में आपकी सहायता नहीं करेगा, लेकिन वे संबंधित, अंतर्निहित प्लेटफ़ॉर्म और सुविधा समस्याओं में आपकी सहायता करेंगे।)

निकाय और स्लॉट भरने की सर्वोत्तम प्रथाएँ