Бөлісу құралы:

Оптимизация триггерных фраз и распознавание естественной речи

  • Мақала

Внимание

Возможности и функции Power Virtual Agents теперь являются частью Microsoft Copilot Studio после значительных инвестиций в генеративный искусственный интеллект и расширенную интеграцию с Microsoft Copilot.

Некоторые статьи и снимки экрана могут ссылаться на Power Virtual Agents, пока мы обновляем документацию и учебные материалы.

Что такое триггерные фразы в Microsoft Copilot Studio

  • Триггерные фразы тренируют модель понимания естественного языка (NLU) вашего помощника.

  • Триггерные фразы настраиваются на уровне темы и указывают помощнику, при каких типичных высказываниях пользователя должна запускаться конкретная тема.

  • Триггерные фразы обычно отражают то, как конечный пользователь задает вопрос о проблеме. Например, "проблема с сорняками на газоне"

Совет

Создавая новую тему, создатель должен предоставить только несколько примеров фраз (в идеале от пяти до десяти). Когда используется помощник, ИИ анализирует то, что говорит пользователь, и запускает тему, наиболее близкую по смыслу к высказыванию пользователя.

Важность контекста триггера

Microsoft Copilot Studio NLU ведет себя по-разному в зависимости от состояния разговора, что иногда может приводить к разному поведению для одного и того же высказывания пользователя.

Ниже приведены различные состояния разговора:

  • Начало разговора: у помощника нет контекста, поэтому ожидается, что высказывание пользователя либо: вызовет тему напрямую (распознавание намерения), вызовет вопрос устранения неоднозначности «вы имели в виду» (множество совпадений тем) среди кандидатов на намерение, если есть несколько совпадающих тем, или вызовет переход к резервной теме, если намерение не распознано.
  • После срабатывания запроса "Вы имели в виду" (совпадение нескольких тем): NLU оптимизируется для соответствия одной из предложенных тем с более высокими пороговыми значениями для выхода из представленных вариантов.
  • Отключение от текущей темы: если NLU пытается заполнить слот в теме, и пользователь отправляет пользовательский запрос, который может вызвать другую тему (переключение темы).

О пунктуации

Модель NLU не зависит от пунктуации, включая вопросительные знаки.

Создание новых фраз-триггеров

Если возможно, начните с реальных производственных данных, а не придумывайте свои собственные триггерные фразы. Лучшие триггерные фразы похожи на фактические данные, поступающие от конечных пользователей. Именно эти фразы пользователи задают развернутому помощнику.

Нет необходимости пропускать определенные слова: модель предназначена для придания меньшего веса ненужным словам, таким как стоп-слова (слова, которые отбрасываются перед обработкой данных на естественном языке, поскольку они несущественны).

Оптимизация фраз-триггеров

# Совет Примеры
1 Иметь не менее 5–10 триггерных фраз на тему
Выполняйте итерации и добавляйте больше, изучая поведение пользователей.		 Найти ближайший магазин
Узнать расположение магазина
Найти магазин
Найди мне ближайшее место
Магазин рядом со мной
2 Меняйте структуру предложения и ключевые термины
Модель автоматически учитывает варианты этих фраз.		 Когда вы закрыты
Ежедневные часы работы
3 Используйте короткие фразы-триггеры
Меньше 10 слов.		 Когда вы открыты
4 Избегайте триггерных фраз из одного слова
Это увеличивает вес определенных слов в срабатывании темы.
Это может привести к путанице между похожими темами.		 Store (Сохранить)
5 Используйте полные фразы Могу ли я поговорить с продавцом
6 Включайте уникальные глаголы и существительные или их комбинации Мне нужен отдел обслуживания клиентов
Я хочу поговорить с консультантом
7 Избегайте использования одного и того же варианта сущности
Вам не нужно использовать все примеры из значения сущности.
NLU автоматически рассматривает все варианты.		 Я хочу заказать бургер
Я хотел бы пиццу
Я хочу куриные наггетсы

Сбалансируйте количество триггерных фраз на тему

Постарайтесь сбалансировать количество триггерных фраз между темами.

Совет

Таким образом, возможности NLU не перевешивают одну тему по сравнению с другими на основе настроенных триггерных фраз.

Оценка влияния ваших изменений

При обновлении триггерных фраз, а также при объединении или разделении тем есть несколько способов оценить изменения:

  • Немедленное изменение в поведении помощника, которое можно наблюдать через холст «тест помощника» (например, тема, который теперь срабатывает или нет в зависимости от обновлений триггерных фраз).
  • Изменение после развертывания помощника и работы с трафиком, что приводит к более высоким или более низким показателям отклонения (неэскалации). Это можно увидеть на вкладке аналитики в Microsoft Copilot Studio.

Совет

Вы можете протестировать запуск темы и эффективность вашей модели NLU на массовых тестовых данных, используя платформу тестирования Copilot Test Framework.

Хотя базовые функции и компоненты, использованные для создания платформы Copilot Test Framework (например, взаимодействие с API-интерфейсом Direct Line) полностью поддерживаются, сама платформа тестирования Copilot Test Framework представляет собой примеры реализации этих функций.

Наши клиенты и сообщество могут использовать и настраивать платформу тестирования Copilot Test Framework для реализации массового тестирования. Если у вас возникли проблемы с платформой тестирования Copilot Test Framework, сообщите об этом здесь: https://aka.ms/PVASamples. (Служба поддержки Майкрософт не поможет вам в решении проблем, связанных с этими примерами, но поможет в решении проблем, связанных с базовой платформой и функциями.)

Рекомендации по сущностям и заполнению слотов