Оптимизация триггерных фраз и распознавание естественной речи
Что такое триггерные фразы в 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
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 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.)