Elaborazione del Linguaggio Naturale (NLP)

Tecnologia proprietaria e all'avanguardia per l'Elaborazione del Linguaggio Naturale (NLP)

Rendi più ricca l'esperienza digitale introducendo chatbot che possono intrattenere conversazioni intelligenti e analoghe a quelle degli esseri umani con i clienti o i dipendenti. Utilizza la nostra funzione di elaborazione del linguaggio naturale (NLP), basata su una tecnologia proprietaria all'avanguardia, che consente ai chatbot di capire, ricordare e imparare dalle informazioni raccolte durante ogni interazione e agire di conseguenza.

Interprets accurately with fewer false positives

Interpreta accuratamente con un minor numero di falsi positivi

Communicates comprehensively

Comunica in modo globale

Resolves development gaps faster

Risolve più rapidamente i divari di sviluppo

Requires less training data to be NL capable

Richiede meno dati di addestramento per essere competente nella LN

Repurposes training data

Riproposizione dei dati di formazione

Maintain the context of user’s request throughout a dialogue or session

Mantieni il contesto della richiesta del cliente per tutta la durata del dialogo o della sessione

Extract and Store actions taken, data provided, and information pulled from systems the bot can use

Estrai e Archivia le azioni intraprese, i dati forniti e le informazioni estratte dai sistemi che il bot può usare

Customize how contextual data is stored at the session

Personalizza il modo in cui i dati contestuali vengono memorizzati nella sessione

Use Pre-trained NLP models to perfect your chatbot’s NLP

Utilizza modelli NLP pre-addestrati per perfezionare l'NPL del tuo chatbot

Elaborazione del Linguaggio Naturale (NLP)

Affinché il chatbot possa scomporre una frase per comprenderne il significato, è necessario prendere in considerazione le componenti essenziali. Un modo utile per raggiungere tale scopo diffuso nella comunità dei ricercatori di Intelligenza Artificiale è quello di distinguere tra Entità e Intenti.

Un'Entità in una frase è un oggetto nel mondo reale a cui può essere associato un nome. I nostri modelli di NLP sono eccellenti nell'identificare le Entità e possono farlo con una precisione quasi umana. Attraverso il nostro motore NLP, il bot identifica le parole di un enunciato di un utente per garantire che tutti i campi disponibili corrispondano all'attività da svolgere o per raccogliere dati aggiuntivi se necessario. L'obiettivo dell'estrazione dell'entità è quello di trovare ogni elemento necessario al completamento dell'attività, ignorando tutti i dettagli che non sono utili. Si tratta di un processo sottrattivo dove il chatbot raccoglie le informazioni necessarie: sia che vengano fornite dall'utente tutte in una volta o che vengano fornite attraverso una conversazione guidata dal chatbot.

L'Intento in una frase è lo scopo o l'obiettivo dell'affermazione. In una frase del tipo "vorrei prenotare due biglietti per il nuovo film di Spielberg" è facile identificare l'Intento, cioè "fare una prenotazione". Molte frasi, tuttavia, non presentano un chiaro Intento. In questi casi è più difficile per un chatbot riconoscere l'Intento ma, anche in queste situazioni, i nostri modelli di NLP risultano molto efficaci. L'obiettivo del riconoscimento di un Intento non è soltanto associare un'espressione con un compito, è associare un'affermazione con il compito preciso che intende. Per far ciò abbiniamo verbi e sostantivi con il maggior numero possibile di sinonimi, siano essi probabili o improbabili.

I can book two cinema tickets for 8pm at the Savoy for £18. Please press 'yes' to confirm.
Natural Language Processing (NLP)

Panoramica dell'NLP

Per far sì che la NLP funzioni per obiettivi particolari, gli utenti dovranno definire tutti i tipi di Entità e Intenti che l'utente vuole che il bot riconosca. In altre parole, gli utenti creeranno diversi modelli di NLP, uno per ogni Entità o Intento che è necessario che il chatbot riesca a identificare. Gli utenti possono costruire sulla nostra piattaforma tutti i modelli di NLP di cui hanno bisogno. Così, per esempio, potrai costruire un modello di NLP di Intento in modo che il bot sia in ascolto se l'utente desidera fare un acquisto. E un modello di Entità che riconosca i luoghi e un altro che riconosca le età. I tuoi chatbot possono quindi utilizzare tutti e tre per offrire all'utente un acquisto da una selezione che tiene conto dell'età e della posizione del cliente.

Usando la nostra piattaforma, gli utenti non devono creare un nuovo modello PNL per ogni bot che creano. Tutti i chatbot creati potranno accedere a tutti i modelli PNL formati dall'utente.

Per sviluppare nel tempo un modello di elaborazione del linguaggio naturale (NLP), in maniera tale che sia in grado di risolvere con sempre maggiore precisione il compito dettato dall'utente, è necessario che il chatbot impari soprattutto dai propri errori. Il concetto di apprendimento automatico è uno dei punti fondamentali nella ricerca della vera intelligenza artificiale. I nostri modelli incorporano l'apprendimento automatico nel senso che sulla base di numerose frasi di esempio e dei loro risultati, il modello prenderà decisioni anche per le frasi incontrate per la prima volta.

Addestramento

La nostra piattaforma offre inoltre quello che talvolta viene definito come Apprendimento Automatico supervisionato. Alla luce dei dati relativi alle tue conversazioni, puoi individuare dove il chatbot necessita di maggior allenamento e inserire le frasi problematiche che hai individuato, inseme al risultato corretto a cui il bot dovrebbe arrivare quando analizza tali frasi. Questo Apprendimento Automatico supervisionato darà origine a una maggior percentuale di successo nella successiva fase di Apprendimento Automatico non supervisionato. Questo processo ciclico, che vede l'alternanza della tua supervisione alla valutazione indipendente delle frasi, avrà come risultato finale un modello ad alto grado di definizione e successo.

Training

Modelli NLP pre-addestrati

La buona notizia è che forniamo modelli PNL pre-formati.

Questi sono i modelli di ricerca delle Entità più all'avanguardia e sono stati addestrati attraverso un ingente set di dati fraseologico.

Così, per esempio, il nostro modello di PNL delle entità negative è ideale per riconoscere eventuali frustrazioni da parte dell'utente. È possibile implementare questo modello in pochi minuti, e il tuo chatbot sarà in grado di analizzare la conversazione e dire frasi come: 'Vedo che non ti piace questa conversazione, preferiresti parlare con un operatore umano in alternativa'? Il chatbot può poi chiamare l'operatore via SMS o email, se l'utente lo desidera.

Pre-Trained NLP models