Automatische Sprachanpassung

Wenn Sie eine Anfrage zur Intent-Erkennung ausführen, können Sie optional Sprachkontext angeben, um dem Erkennungsmodul Hinweise zu geben. Diese Hinweise können in einem bestimmten Unterhaltungsstatus bei der Erkennung helfen.

Das Feature zur automatischen Sprachanpassung verbessert die Genauigkeit der Spracherkennung Ihres Agents, indem automatisch der Unterhaltungsstatus verwendet wird, um relevante Entitäten und Trainingsformulierungen als Sprachkontexthinweise für alle Anfragen zur Intent-Erkennung zu übergeben. Dieses Feature ist standardmäßig aktiviert.

Automatische Sprachanpassung aktivieren oder deaktivieren

So aktivieren oder deaktivieren Sie die automatische Sprachanpassung:

  1. Rufen Sie die Dialogflow ES-Konsole auf.
  2. Wählen Sie Ihren Agent im oberen Bereich der linken Seitenleiste aus.
  3. Klicken Sie neben dem Namen des Agents auf die Schaltfläche für die Einstellungen.
  4. Wählen Sie den Tab Sprache aus.
  5. Scrollen Sie zum Abschnitt Improve Speech Recognition Quality.
  6. Aktivieren oder deaktivieren Sie die Option Enable Auto Speech Adaptation.

Beispiele für Verbesserungen der Spracherkennung

Wenn die automatische Sprachanpassung aktiviert ist, können Sie Ihren Agent so erstellen, dass Sie ihn zu Ihrem Nutzen nutzen können. In den folgenden Abschnitten wird erläutert, wie die Spracherkennung durch bestimmte Änderungen an den Trainingsformulierungen, Kontexten und Entitäten Ihres Agents verbessert werden kann.

Trainingsformulierungen und Kontexte

  • Wenn Sie Trainingsformulierungen mit einer Formulierung wie „stuffy nose“ definieren, wird eine ähnlich klingende Nutzeräußerung zuverlässig als „stuffy nose“ und nicht als „stuff he knows“ erkannt.
  • Wenn eine Sitzung aktive Kontexte hat, berücksichtigt die automatische Sprachanpassung vorwiegend Trainingsformulierungen von Intents, in denen alle Eingabekontexte aktiv sind. Beispielsweise werden bei den beiden aktiven Kontexten "pay-bill" und "confirmation" alle der folgenden Intents die automatische Sprachanpassung beeinflussen: Intents mit einem einzelnen Eingabekontext "pay-bill", Intents mit einem einzelnen. Eingabekontext "confirmation" und Intents mit den zwei Eingabekontexten "pay-bill" und "confirmation"

  • Wenn eine Sitzung keine aktiven Kontexte hat, berücksichtigt die automatische Sprachanpassung vorwiegend die Trainingsformulierungen von Intents ohne Eingabekontexte.

  • Wenn Dialogflow einen erforderlichen Parameter hat, damit Slots für die Slot-Füllung erzwungen werden, wirkt sich die automatische Sprachanpassung stark auf die gefüllte Entität aus.

In allen Fällen berücksichtigt die automatische Sprachanpassung lediglich die Spracherkennung, ohne sie zu beschränken. Beispiel: Auch wenn Dialogflow einen Nutzer zur Eingabe eines erforderlichen Parameters auffordert, können Nutzer weiterhin andere Intents auslösen, z. B. einen Intent der obersten Ebene „Mit Mitarbeiter sprechen“.

Systementitäten

Wenn Sie eine Trainingsformulierung definieren, die die Systementität @sys.number verwendet, und der Endnutzer "Ich möchte zwei" sagt, kann dies als "to", "too", "2" erkannt werden. oder "two".

Wenn die automatische Sprachanpassung aktiviert ist, verwendet Dialogflow bei der Spracherkennung die Entität @sys.number als Hinweis. Der Parameter wird mit größerer Wahrscheinlichkeit als „2“ extrahiert.

Benutzerdefinierte Entitäten

  • Wenn Sie Entitäten für Produkt- oder Dienstleistungsnamen, die von Ihrem Unternehmen angeboten werden, definieren und der Endnutzer diese Begriffe in einer Äußerung erwähnt, werden sie eher erkannt. Die Trainingsformulierung „I love Dialogflow“, wobei „Dialogflow“ als @product-Entität annotiert ist, gibt der automatischen Sprachanpassung vor, sich an „I love Dialogflow“, „I love Cloud Speech“ und anderen Einträgen in der @product-Entität zu orientieren.

  • Es ist besonders wichtig, dass Sie präzise Entitätssynonyme definieren, wenn Sie Dialogflow zur Spracherkennung verwenden. Angenommen, Sie haben zwei @product-Entitätseinträge, „Dialogflow“ und „Dataflow“. Ihre Synonyme für „Dialogflow“ sind beispielsweise „Dialogflow“, „dialogue flow“, „dialogue builder“, „Speaktoit“, „speak to it“, „API.ai“, „API dot AI“. Diese Synonyme sind gut, da sie die gängigsten Varianten abdecken. Sie müssen „the dialogue flow builder“ nicht hinzufügen, da dies von „dialogue flow“ bereits abgedeckt ist.

  • Nutzeräußerungen mit aufeinanderfolgenden, aber separaten Zahlenentitäten können mehrdeutig sein. Beispiel: „I want two sixteen packs“ könnten 2 Pakete mit 16 Sets oder 216 Mengen bedeuten. Durch die Sprachanpassung lassen sich solche Fälle eindeutig unterscheiden, wenn Sie Entitäten mit buchstabierten Werten einrichten:
    • Definieren Sie eine quantity-Entität mit Einträgen:
      zero
      one
      ...
      twenty
    • Definieren Sie eine product- oder size-Entität mit Einträgen:
      sixteen pack
      two ounce
      ...
      five liter
    • In der Sprachanpassung werden nur Entitätssynonyme verwendet. Sie können also eine Entität mit dem Referenzwert 1 und dem einzelnen Synonym one definieren, um die Auftragsausführungslogik zu vereinfachen.

RegExp-Entitäten

RegExp-Entitäten können die automatische Sprachanpassung für alphanumerische und Ziffernfolgen wie "ABC123" oder "12345" auslösen, wenn sie ordnungsgemäß konfiguriert sind. Jeder reguläre Ausdruck lässt sich zum Extrahieren von Entitäten in der NLP verwenden, aber nur bestimmte Ausdrücke geben der automatischen Sprachanpassung vor, vorwiegend buchstabierte alphanumerische oder Ziffernsequenzen zu berücksichtigen.

Wenn Sie diese Sequenzen über Sprache erkennen möchten, müssen Sie alle der folgenden Anforderungen erfüllen:

  • Mindestens einer Ihrer RegExp-Entitätseinträge entspricht allen diesen Regeln:

    • Darf Zeichensätze verwenden []
    • Darf Wiederholungsquantifizierer wie *, ?, + oder {3,5} verwenden
    • Enthält keine Leerzeichen oder \s, wobei \s* und \s? zulässig sind
    • Enthält keine Erfassungsgruppen ()
    • Enthält keine Sonderzeichen oder Satzzeichen wie ` ~ ! @ # $ % ^ & * ( ) - _ = + , . < > / ? ; ' : " [ ] { } \ |
  • Markieren Sie die RegExp-Entität als erforderlichen Intent-Parameter, damit sie während der Slot-Füllung erfasst werden kann. Dadurch kann die automatische Sprachanpassung stark auf die Sequenzerkennung ausgerichtet werden, anstatt zu versuchen, einen Intent und eine Sequenz gleichzeitig zu erkennen. Andernfalls könnte „Wo ist mein Paket für ABC123“ als „Wo ist mein Paket 4ABC123“ falsch erkannt werden.

  • Verwenden Sie die Regexp-Entität nicht für eine Annotation der Intent-Trainingsformulierung. Dadurch wird der Parameter im Rahmen der Slot-Füllung aufgelöst.

  • Wenn die Audioeingabe eine Anrufqualität von 8 kHz hat, müssen Sie erweiterte Sprachmodelle aktivieren, um alphanumerische Sequenzen mit mehr als vier oder fünf Zeichen oder Ziffernsequenzen mit mehr als 10 Zeichen zuverlässig zu erkennen. Sie können alternativ auch kleinere Untersequenzen erfassen und mit Follow-up-Intents oder der erweiterten Webhook-Logik zusammenfassen.

Zum Beispiel löst eine RegExp-Entität mit einem einzelnen Eintrag ([a-zA-Z0-9]\s?){5,9} die Sprachsequenz-Erkennung nicht aus, da sie eine Erfassungsgruppe enthält. Um das Problem zu beheben, fügen Sie einfach einen weiteren Eintrag für "[a-zA-Z0-9]{5,9}" hinzu. Nun werden Sie von der Sequenzerkennung beim Abgleich mit "ABC123" profitieren. Trotzdem stimmt die NLP weiterhin mit Eingaben wie "ABC 123" überein, da die ursprüngliche Regel die Leerzeichen zulässt.

Die folgenden Beispiele für reguläre Ausdrücke passen sich für alphanumerische Sequenzen an:

^[A-Za-z0-9]{1,10}$
WAC\d+
215[2-8]{3}[A-Z]+
[a-zA-Z]\s?[a-zA-Z]\s?[0-9]\s?[0-9]\s?[0-9]\s?[a-zA-Z]\s?[a-zA-Z]

Die folgenden Beispiele für reguläre Ausdrücke passen sich für Ziffernsequenzen an:

\d{2,8}
^[0-9]+$
2[0-9]{7}
[2-9]\d{2}[0-8]{3}\d{4}

Verwenden Sie außerdem @sys.number-sequence, um eine beliebige Ziffernfolge zu akzeptieren, und @sys.phone-number für die Erkennung einer lokalisierten Telefonnummer.

Beschränkungen

Es gelten folgende Einschränkungen:

  • Die automatische Sprachanpassung kann für Actions on Google (Google Assistant) nicht verwendet werden, da die Spracherkennung von Actions on Google durchgeführt wird, bevor Daten an Dialogflow gesendet werden.
  • Die Erkennung langer Zeichensequenzen ist eine Herausforderung. Auf Telefonkanälen mit 8-kHz-Audio erkennen Sie beispielsweise keine Sequenzen, die länger als 16 Stellen oder 10 alphanumerische Zeichen sind. Dies gilt auch bei Verwendung von erweiterten Sprachmodellen. Ziehen Sie mehr dialogorientierte Alternativen in Betracht, z. B.:

    • Wenn Sie die Sequenz anhand einer Datenbank validieren, sollten Sie Querverweise für andere erfasste Parameter wie Datumsangaben, Namen oder Telefonnummern erstellen, um unvollständige Übereinstimmungen zu ermöglichen. Fragen Sie einen Nutzer beispielsweise nicht nur nach seiner Bestellnummer, sondern auch nach seiner Telefonnummer. Wenn der Webhook nun die Datenbank nach dem Bestellstatus abfragt, kann er sich zuerst auf die Telefonnummer verlassen und dann die am besten übereinstimmende Bestellung für dieses Konto zurückgeben. Dies könnte dazu führen, dass Dialogflow „ABC“ falsch als „AVC“ erkennt, aber dennoch den korrekten Bestellstatus für den Nutzer zurückgibt.
    • Für zusätzliche lange Sequenzen können Sie einen Ablauf entwerfen, der Endnutzer dazu anregt, in der Mitte zu pausieren, damit der Bot diese bestätigen kann, während Sie die Seite aufrufen.Anleitung.
  • Die integrierte Unterstützung einer automatischen Sprachanpassung für System- und RegExp-Entitäten variiert je nach Sprache. Unter Sprachklassen-Tokens finden Sie die unterstützten Sprachen $OOV_CLASS_ALPHANUMERIC_SEQUENCE und $OOV_CLASS_DIGIT_SEQUENCE. Ist Ihre Sprache nicht aufgeführt, können Sie diese Einschränkung umgehen. Wenn Sie beispielsweise möchten, dass eine Mitarbeiter-ID, bei der auf drei Buchstaben drei Ziffern folgen, richtig erkannt wird, können Sie den Agent mit den folgenden Entitäten und Parametern erstellen:

    • Definieren Sie eine digit-Entität, die (mit Synonymen) 10 Entitätseinträge enthält:
      0, 0
      1, 1
      ...
      9, 9
    • Definieren Sie eine letter-Entität, die (mit Synonymen) 26 Entitätseinträge enthält:
      A, A
      B, B
      ...
      Z, Z
    • Definieren Sie eine employee-id-Entität, die einen einzigen Entitätseintrag (ohne Synonyme) enthält:
      @letter @letter @letter @digit @digit @digit
    • Verwenden Sie @employee-id als Parameter in einer Trainingsformulierung.
    .