กําหนดค่า NLU+

NLU+ ให้การควบคุมการสนทนาของลูกค้า ที่ทําซ้ําได้ การโต้ตอบที่กําหนดเอง และความแม่นยําสูงสําหรับการสืบค้นของลูกค้า ตัวเลือก NLU+ เหมาะสําหรับแอปพลิเคชันระดับองค์กรขนาดใหญ่ แอปพลิเคชันประเภทเหล่านี้โดยทั่วไปประกอบด้วยหัวข้อและเอนทิตีจํานวนมาก และใช้ตัวอย่างการฝึกอบรมจํานวนมาก นอกจากนี้ ถ้าคุณมี ตัวแทนที่เปิดใช้งานเสียง ข้อมูลการฝึก NLU+ ของคุณจะถูกใช้เพื่อปรับความสามารถในการรู้จําเสียงของคุณให้เหมาะสม

NLU+ ช่วยให้ผู้ผลิตสามารถเพิ่มข้อมูลที่มีคําอธิบายประกอบจํานวนมาก ซึ่งขับเคลื่อนผู้ใช้ไปสู่การกําหนดเส้นทางตามเจตนาที่สูงขึ้นและความแม่นยําในการแยกเอนทิตี นอกจากนี้ NLU+ จะถูกสร้างขึ้นบนฐานไวยากรณ์ ซึ่งทำให้มั่นใจว่าคุณทริกเกอร์การจับคู่ที่ตรงกันโดยสมบูรณ์กับข้อมูลการฝึกอบรมที่คุณเพิ่มไว้ ฐานนี้ยังสามารถขยายได้ด้วยรายการเอนทิตีและคําพ้องความหมาย พื้นฐานนี้ช่วยให้แน่ใจว่าแบบจําลองจะส่งกลับเจตนาและเอนทิตีที่คุณเพิ่มสําหรับคําอธิบายประกอบเสมอ

สําคัญ

• ตัวเลือก NLU+ จะพร้อมใช้งานเมื่อคุณจัดการเสียงหรือช่องแชทของคุณด้วยสิทธิการใช้งานศูนย์ติดต่อของ Dynamics 365 สําหรับข้อมูลเพิ่มเติม ให้ไปที่ ความต้องการของระบบสําหรับศูนย์ติดต่อ Dynamics 365
• เมื่อเปิดใช้งาน NLU+ ข้อมูลจะถูกเปลี่ยนระหว่าง Copilot Studio และศูนย์ติดต่อของ Dynamics 365 การแลกเปลี่ยนนี้รวมถึงการฝึกอบรมและข้อมูลรันไทม์ แต่ละบริการเป็นไปตามนโยบายข้อมูลเฉพาะของตนเอง สําหรับข้อมูลเพิ่มเติมเกี่ยวกับนโยบายเหล่านี้ ไปที่แนวคิดหลัก - ความปลอดภัยและนโยบายการกํากับดูแลและข้อมูลส่วนบุคคลของ Copilot Studio และความเป็นส่วนตัวและข้อมูลส่วนบุคคลใน Microsoft Dynamics 365

แนวทางปฏิบัติที่ดีที่สุดของ NLU+

พิจารณาคําแนะนําต่อไปนี้ก่อนที่จะสร้างแบบจําลองและแอปพลิเคชัน NLU + ของคุณ:

• ใช้ข้อมูลการฝึกอบรมในโลกแห่งความเป็นจริงให้มากที่สุดเท่าที่เป็นไปได้ เพิ่มรูปแบบที่แตกต่างกันในวลีผู้ให้บริการเพื่อช่วยให้โมเดลเรียนรู้วิธีต่างๆ เพื่อทริกเกอร์จุดประสงค์หรือการแยกเอนทิตี
• เมื่อคุณใส่คําอธิบายประกอบเอนทิตี ตัวแปรหรือคําพ้องของเอนทิตีเดียวเท่านั้นที่เพียงพอ การเพิ่มตัวแปรเพิ่มเติมจะไม่เพิ่มค่าเพิ่มเติมใด ๆ
• ยิ่งมีเจตนาและเอนทิตีของคุณแตกต่างกันมาก ประสิทธิภาพของแบบจําลองของคุณจะเพิ่มขึ้น หากมีการใช้เปล่งคําพูดที่คล้ายกันภายในเจตนาที่แตกต่างกันหรือเป็นรายการหรือคําพ้องความหมาย มีโอกาสสูงขึ้นที่จะเกิดความสับสนของแบบจําลอง
• ไม่รวมตัวกําหนดหรือคําบุพบทในสัญพจน์ของเอนทิตีและคําอธิบายประกอบ โปรดคงตัวกำหนดและคำบุพบทไว้นอกเอนทิตีหรือการอธิบาย

ตั้งค่าการเรียงและการทําความเข้าใจภาษา

หากต้องการใช้ NLU + ก่อนอื่นให้กําหนดค่าการตั้งค่าการเรียงลําดับ AI ที่สร้างจากนั้นเลือกตัวเลือกการทําความเข้าใจภาษา NLU +

1. เปิดเจ้าหน้าที่ของคุณ และเลือกการตั้งค่า

2. เลือกตัวเลือกการจัดการ "classic" Copilot Studio ในการตั้งค่าตัวแทนของคุณ (ปัญญาประดิษฐ์เชิงกำเนิด>Orchestration>ไม่)

   

3. เลือกตัวเลือก NLU+ ในการตั้งค่า การทําความเข้าใจภาษา ของเจ้าหน้าที่

   

4. เลือก บันทึก

คําอธิบายประกอบของหัวข้อการตั้งค่า

หากต้องการส่งกลับค่าสูงสุดของ NLU + สิ่งสําคัญคือการเพิ่มคําอธิบายประกอบเอนทิตีไปยัง หัวข้อ วลีทริกเกอร์ สําหรับแต่ละหัวข้อ ด้วยการเพิ่มคําอธิบายประกอบเอนทิตีภายในตัวอย่างที่ทริกเกอร์หัวข้อ NLU+ สามารถแยกเอนทิตีเป็นส่วนหนึ่งของกระบวนการทริกเกอร์หัวข้อได้

เอนทิตีจะถูกใส่คําอธิบายประกอบโดยใช้ ตัวแปร ที่เชื่อมโยงไปยังเอนทิตี การเชื่อมโยงนี้ช่วยให้เอนทิตีเดียวกันสามารถใช้หลายครั้งภายในหัวข้อ แชร์ข้ามหัวข้อ หรือสร้างสําเนาอื่นภายในหัวข้อที่แตกต่างกัน

ไวยากรณ์ของเอนทิตี

ถ้าคุณใช้เอนทิตีในโครงการของคุณ เอนทิตีเหล่านั้นจะต้องถูกสร้างขึ้นโดยใช้ไวยากรณ์ต่อไปนี้:

• {Topic.Variable_Name/Entity_item_or_synonym}: ไวยากรณ์นี้ใช้สําหรับตัวแปรภายในเครื่อง กําหนดขอบเขตเป็นหัวข้อเฉพาะ
• {Gloabl.Variable_Name/Entity_item_orsynonym}: ไวยากรณ์นี้ใช้สําหรับตัวแปรโกลบอลที่ใช้ในหัวข้อทั้งหมด

ตัวอย่างต่อไปนี้แสดงให้เห็นว่ามีการจัดรูปแบบเอนทิตีอย่างไร:

"จองตั๋วจาก {Topic.fromCity/Boston} ถึง {Topic.toCity/NewYork} สําหรับ {Topic.noPass/2} ผู้โดยสาร {Topic.travelDate/tomorrow} ใน {Topic.class/First} ชั้นเรียน"

ในขณะที่เอนทิตีมีประโยชน์ แต่ก็เป็นเรื่องปกติที่จะมีโครงการที่ไม่ได้ใช้เอนทิตี แม้ว่าโครงการของคุณใช้เอนทิตี ้ไม่ใช่ทุกตัวอย่างที่จําเป็นต้องมีคําอธิบายประกอบเอนทิตี มีตัวอย่างบางส่วนที่ทริกเกอร์เฉพาะหัวข้อและไม่แยกเอนทิตี แม้ว่าจะมีเอนทิตีที่เชื่อมโยงกับหัวข้อนั้นก็ตาม ซึ่งเป็นเหตุผลที่คําอธิบายประกอบของเอนทิตีเป็นตัวเลือกและไม่จําเป็นต้องมี

หมายเหตุ

นอกจากนี้ยังสามารถแยกเอนทิตีได้ แม้ว่าจะไม่มีการเพิ่มคําอธิบายประกอบเอนทิตีก็ตาม อย่างไรก็ตาม การเพิ่มคําอธิบายประกอบจะเพิ่มความถูกต้องในการแยกเอนทิตีโดยรวม

คําอธิบายประกอบเอนทิตี

นอกเหนือจากการใส่คําอธิบายประกอบเอนทิตีภายในวลี ทริกเกอร์ ของหัวข้อ คุณสามารถช่วยแยกเอนทิตีแบบจําลองให้เป็นส่วนหนึ่งของ โหนดคําถามได้ ภายในแต่ละเอนทิตีแบบกําหนดเอง คุณสามารถเพิ่มคําอธิบายประกอบเอนทิตีทางเลือกได้ วิธีนี้ใช้เพื่อใส่คําอธิบายประกอบวิธีการที่ลูกค้าตอบคําถามเฉพาะ ซึ่งจะถูกขอให้รวบรวมเอนทิตีเฉพาะ

• คุณสามารถเพิ่มเอนทิตีเดียวเป็นส่วนหนึ่งของคําอธิบายประกอบเอนทิตีได้เท่านั้น คุณไม่สามารถใส่คำอธิบายเอนทิตีสองรายการที่แตกต่างกัน หรือใส่คำอธิบายสองครั้งของเอนทิตีในคำอธิบายเอนทิตีได้ ตัวอย่างเช่น ในเอนทิตี CustomCity คุณไม่สามารถเพิ่ม "บอสตันไปยังนิวยอร์ก" เป็นคําอธิบายประกอบได้

• ตรวจสอบให้แน่ใจว่าคุณได้เพิ่มตัวอย่างที่อ้างอิงถึงการแยกเอนทิตีเท่านั้น และไม่ทริกเกอร์หัวข้อ ตัวอย่างเช่น ถ้าคุณมีแอปจองเที่ยวบิน คุณสามารถเพิ่มคำสั่ง "จองให้ฉันสำหรับนิวยอร์ก" แต่คุณไม่ควรเพิ่มตัวอย่างที่เรียกใช้หัวข้อ bookTicket เช่น "ฉันอยากไปนิวยอร์ก"

ไวยากรณ์คําอธิบายประกอบ

ชุดรูปแบบไวยากรณ์ต่อไปนี้สามารถใช้เพื่อสร้างไวยากรณ์คําอธิบายประกอบได้

• {Entity value or Literal}: ถ้าคุณกําลังใส่คําอธิบายประกอบเอนทิตีเดียว คุณไม่จําเป็นต้องระบุเอนทิตี
• {ENTITY_NAME/Entity item or synonym}: ถ้าต้องการ คุณสามารถระบุชื่อเอนทิตีซึ่งเป็นชื่อของรายการที่ปิดหรือ RegEx ได้ การให้ชื่อเอนทิตีทําให้อ่านได้ง่ายขึ้นใน YAML และยังตรงกับไวยากรณ์ที่ใช้ในหัวข้อ

ตัวอย่างต่อไปนี้แสดงให้เห็นถึงไวยากรณ์คําอธิบายประกอบ:

• "จองไว้ให้ {New York}"
• "จองไว้ให้ {City/New York}"

เอนทิตีรายการแบบกําหนดเอง

สําหรับ NLU+ เอ็นทิตีแบบรายการ ถือว่าเป็นแบบเปิดบางส่วน การพิจารณานี้หมายความว่าแบบจําลองจะแยกสัญพจน์ของเอนทิตีที่ไม่ได้กําหนดไว้อย่างชัดเจนในรายการ ดังนั้นแบบจําลองสามารถจัดการข้อมูลเอนทิตีที่ไม่ได้กําหนดไว้อย่างชัดเจน

ตัวอย่างเช่น คุณมีรายการแบบกําหนดเองที่มี "ชื่อภาพยนตร์" ที่แอปของคุณจัดการ หากผู้ใช้ร้องขอชื่อเรื่องที่ไม่ได้อยู่ในรายการของคุณ แบบจําลองยังคงทําเครื่องหมายชื่อเรื่องนั้นเป็น "เอนทิตีภาพยนตร์" เมื่อเกิดสิ่งนี้ขึ้น ค่าเอนทิตี้จะว่างเปล่าเนื่องจากแบบจําลองไม่ทราบว่าจะกําหนดค่าใดให้กําหนดเอนทิตี้

เมื่อต้องการมีอิทธิพลต่อวิธีการ เปิด เอนทิตี ให้เปลี่ยนวิธีที่คุณใส่คําอธิบายประกอบเอนทิตีของคุณ ถ้าคุณเพิ่มข้อมูลการฝึกที่มีคําอธิบายประกอบของเอนทิตีด้วยรายการและคําพ้องที่กําหนดไว้แล้วในรายการเอนทิตีของคุณ แบบจําลองจะพิจารณาว่าเอนทิตีส่วนใหญ่ ปิดแล้ว แบบจําลองยังคงอาจแยกรายการเอนทิตีใหม่ แต่ความน่าจะเป็นที่เกิดขึ้นอยู่ในระดับต่ํา ยิ่งคุณเพิ่มข้อมูลการฝึกที่มีคำอธิบายประกอบเอนทิตีด้วยตัวอักษรที่ไม่ได้ระบุในคำจำกัดความของเอนทิตีมากเท่าไหร่ รายการนั้นก็ยิ่งขยายตัวมากขึ้นเท่านั้น แบบจําลองมีแนวโน้มที่จะแยกสัญพจน์ของเอนทิตีที่ไม่ได้อยู่ในข้อกําหนดของเอนทิตีของคุณ

สร้างแบบจําลอง NLU+ ของคุณ

NLU+ กําหนดให้ผู้สร้างสร้างแบบจําลอง NLU+ ของพวกเขาอย่างชัดเจนก่อนที่จะสามารถทดสอบหรือเผยแพร่ตัวแทนได้ ซึ่งจะแตกต่างจากตัวเลือก NLU เดิม ซึ่งมีการรวมการเปลี่ยนแปลงโดยอัตโนมัติ แบบจําลองการคอมไพล์ NLU+ มีประสิทธิภาพเวลาแฝงที่คาดการณ์ได้มากขึ้นสําหรับแบบจําลองขนาดใหญ่ แต่จําเป็นต้องมีการฝึกแบบจําลอง

หลังจากเพิ่มข้อมูลการฝึกของคุณและคุณพอใจแล้ว ให้เลือกปุ่มฝึก NLU+ แบบจําลอง ปุ่มจะพร้อมใช้งานในหน้าหัวข้อหรือหน้าการตั้งค่าเอนทิตี

เวลาการฝึกแบบจําลอง NLU+ จะแตกต่างกันไปขึ้นอยู่กับความซับซ้อนของแบบจําลอง หน้า ช่อง จะแสดงสถานะการฝึกแบบจําลอง เมื่อการฝึกอบรมเสร็จสมบูรณ์รายละเอียดเกี่ยวกับแบบจําลองที่ได้รับการฝึกจะปรากฏขึ้นรวมถึงผู้ใช้ที่เริ่มต้นการฝึกอบรมเมื่อการฝึกอบรมเสร็จสมบูรณ์และสถานะ

เลือกรายละเอียดการฝึกแบบจําลอง NLU+ ในหน้า ช่อง เพื่อเปิดกล่องโต้ตอบการฝึกอบรม NLU+ กล่องโต้ตอบนี้จะให้รายละเอียดเกี่ยวกับการฝึกแบบจําลองของคุณ เช่น ข้อมูลเกี่ยวกับแต่ละภาษาของคุณ ถ้าคุณมี การปรับให้เหมาะสมสําหรับเสียง เปิดอยู่ คุณสามารถดูรายละเอียดของการฝึก ASR ได้ ถ้าการฝึกอบรมมีข้อผิดพลาดหรือคําเตือนใด ๆ สําหรับภูมิภาคหรือตําแหน่งที่ตั้งใด ๆ คุณสามารถดาวน์โหลดไฟล์รายละเอียดแต่ละรายการสําหรับข้อมูลเพิ่มเติมเกี่ยวกับปัญหาเฉพาะ

หมายเหตุ

• คุณต้องรอให้การฝึกเสร็จสมบูรณ์ก่อนที่จะเริ่มต้นการฝึกแบบจําลองอื่น

• คุณสามารถฝึกแบบจําลองได้มากเท่าที่คุณต้องการ Copilot Studio จะเก็บรักษาเฉพาะแบบจำลองที่ได้รับการฝึกฝนจากการฝึกอบรมครั้งสุดท้ายที่ประสบความสำเร็จเท่านั้น และใช้แบบจำลองนี้เมื่อทดสอบหรือเผยแพร่เอเจนต์ของคุณ

เผยแพร่เอเจนต์ NLU+ ของคุณ

เมื่อคุณพร้อมที่จะเผยแพร่เอเจนต์และโมเดล NLU+ แล้ว Copilot Studio จะใช้โมเดลที่ได้รับการฝึกสําเร็จล่าสุด เลือก เผยแพร่ และกล่องโต้ตอบ เผยแพร่ จะแสดงข้อมูลเกี่ยวกับแบบจําลองที่ได้รับการฝึกสําเร็จล่าสุด ข้อมูลนี้ช่วยให้ผู้สร้างทราบเวอร์ชันของแบบจําลองที่กําลังเผยแพร่