GETTING STARTED
Kore.ai XO Platform
Virtual Assistants Overview
Natural Language Processing (NLP)
Concepts and Terminology
Quick Start Guide
Accessing the Platform
Navigating the Kore.ai XO Platform
Building a Virtual Assistant
Help & Learning Resources
Release Notes
Current Version
Recent Updates
Previous Versions
CONCEPTS
Design
Storyboard
Overview
FAQs
Conversation Designer
Overview
Dialog Tasks
Mock Scenes
Dialog Tasks
Overview
Navigate Dialog Tasks
Build Dialog Tasks
Node Types
Overview
Intent Node
Dialog Node
Dynamic Intent Node
GenAI Node
GenAI Prompt
Entity Node
Form Node
Confirmation Node
Message Nodes
Logic Node
Bot Action Node
Service Node
Webhook Node
Script Node
Process Node
Agent Transfer
Node Connections
Node Connections Setup
Sub-Intent Scoping
Entity Types
Entity Rules
User Prompts or Messages
Voice Call Properties
Knowledge AI
Introduction
Knowledge Graph
Introduction
Terminology
Build a Knowledge Graph
Manage FAQs
Knowledge Extraction
Import or Export Knowledge Graph
Prepare Data for Import
Importing Knowledge Graph
Exporting Knowledge Graph
Auto-Generate Knowledge Graph
Knowledge Graph Analysis
Answer from Documents
Alert Tasks
Small Talk
Digital Skills
Overview
Digital Forms
Digital Views
Introduction
Widgets
Panels
Session and Context Variables
Context Object
Intent Discovery
Train
NLP Optimization
ML Engine
Overview
Model Validation
FM Engine
KG Engine
Traits Engine
Ranking and Resolver
Training Validations
NLP Configurations
NLP Guidelines
LLM and Generative AI
Introduction
LLM Integration
Kore.ai XO GPT Module
Prompts & Requests Library
Co-Pilot Features
Dynamic Conversations Features
Intelligence
Introduction
Event Handlers
Contextual Memory
Contextual Intents
Interruption Management
Multi-intent Detection
Amending Entities
Default Conversations
Conversation Driven Dialog Builder
Sentinment Management
Tone Analysis
Default Standard Responses
Ignore Words & Field Memory
Test & Debug
Overview
Talk to Bot
Utterance Testing
Batch Testing
Conversation Testing
Conversation Testing Overview
Create a Test Suite
Test Editor
Test Case Assertion
Test Case Execution Summary
Glossary
Health and Monitoring
NLP Health
Flow Health
Integrations
Actions
Actions Overview
Asana
Configure
Templates
Azure OpenAI
Configure
Templates
BambooHR
Configure
Templates
Bitly
Configure
Templates
Confluence
Configure
Templates
DHL
Configure
Templates
Freshdesk
Configure
Templates
Freshservice
Configure
Templates
Google Maps
Configure
Templates
Here
Configure
Templates
HubSpot
Configure
Templates
JIRA
Configure
Templates
Microsoft Graph
Configure
Templates
Open AI
Configure
Templates
Salesforce
Configure
Templates
ServiceNow
Configure
Templates
Stripe
Configure
Templates
Shopify
Configure
Templates
Twilio
Configure
Templates
Zendesk
Configure
Templates
Agents
Agent Transfer Overview
Custom (BotKit)
Drift
Genesys
Intercom
NiceInContact
NiceInContact(User Hub)
Salesforce
ServiceNow
Configure Tokyo and Lower versions
Configure Utah and Higher versions
Unblu
External NLU Adapters
Overview
Dialogflow Engine
Test and Debug
Deploy
Channels
Publishing
Versioning
Analyze
Introduction
Dashboard Filters
Overview Dashboard
Conversations Dashboard
Users Dashboard
Performance Dashboard
Custom Dashboards
Introduction
Custom Meta Tags
Create Custom Dashboard
Create Custom Dashboard Filters
LLM and Generative AI Logs
NLP Insights
Task Execution Logs
Conversations History
Conversation Flows
Conversation Insights
Feedback Analytics
Usage Metrics
Containment Metrics
Universal Bots
Introduction
Universal Bot Definition
Universal Bot Creation
Training a Universal Bot
Universal Bot Customizations
Enabling Languages
Store
Manage Assistant
Team Collaboration
Plan & Usage
Overview
Usage Plans
Templates
Support Plans
Invoices
Authorization
Conversation Sessions
Multilingual Virtual Assistants
Get Started
Supported Components & Features
Manage Languages
Manage Translation Services
Multiingual Virtual Assistant Behavior
Feedback Survey
Masking PII Details
Variables
Collections
IVR Settings
General Settings
Assistant Management
Manage Namespace
Data
Overview
Data Table
Table Views
App Definitions
Data as Service
HOW TOs
Build a Travel Planning Assistant
Travel Assistant Overview
Create a Travel Virtual Assistant
Design Conversation Skills
Create an ‘Update Booking’ Task
Create a Change Flight Task
Build a Knowledge Graph
Schedule a Smart Alert
Design Digital Skills
Configure Digital Forms
Configure Digital Views
Train the Assistant
Use Traits
Use Patterns
Manage Context Switching
Deploy the Assistant
Use Bot Functions
Use Content Variables
Use Global Variables
Use Web SDK
Build a Banking Assistant
Design Conversation Skills
Create a Sample Banking Assistant
Create a Transfer Funds Task
Create a Update Balance Task
Create a Knowledge Graph
Set Up a Smart Alert
Design Digital Skills
Configure Digital Forms
Configure Digital Views
Add Data to Data Tables
Update Data in Data Tables
Add Data from Digital Forms
Train the Assistant
Composite Entities
Use Traits
Use Patterns for Intents & Entities
Manage Context Switching
Deploy the Assistant
Configure an Agent Transfer
Use Assistant Functions
Use Content Variables
Use Global Variables
Intent Scoping using Group Node
Analyze the Assistant
Create a Custom Dashboard
Use Custom Meta Tags in Filters
Migrate External Bots
Google Dialogflow Bot
APIs & SDKs
API Reference
API Introduction
Rate Limits
API List
koreUtil Libraries
SDK Reference
SDK Introduction
Web SDK
How the Web SDK Works
SDK Security
SDK Registration
Web Socket Connect and RTM
Tutorials
Widget SDK Tutorial
Web SDK Tutorial
BotKit SDK
BotKit SDK Deployment Guide
Installing the BotKit SDK
Using the BotKit SDK
SDK Events
SDK Functions
Tutorials
BotKit - Blue Prism
BotKit - Flight Search Sample VA
BotKit - Agent Transfer
  1. Docs
  2. Virtual Assistants
  3. Natural Language
  4. 기초 의미

기초 의미

기초 의미는 ChatScript를 기반으로 하는 컴퓨터 언어학적 접근 방식입니다. 이 모델은 사용자 발화 구조를 분석하여 의미, 위치, 동사 변화, 대문자 사용, 복수, 기타 요소로 각 단어를 식별합니다. 이 섹션에서는, FM 엔진을 개선하기 위해 다음 주제를 자세히 설명합니다.

동의어 관리

사용자는 다양한 방식으로 동일한 요청을 발화합니다. 예를 들어, 리드 생성(Create Lead) 같은 의도는 새 리드(New Lead), 새 리드 만들기(Make a New Lead) 또는 리드 생성(Generate a Lead) 같은 대안적인 단어로 표현할 수 있습니다. 개발자는 작업 이름을 두세 단어로 제한하되 다른 방법으로 요청할 수 있도록 해야 합니다. 작업 이름과 작업 필드 이름 모두에 동의어를 정의합니다. 사용자가 제공한 올바른 작업 및 작업 필드를 인식할 때 NLP 인터프리터의 정확도를 최적화하기 위해, 작업 및 작업 필드의 이름에 사용된 단어의 동의어를 추가할 수 있습니다.

  • 생성(Create) – 새 작업(new) 구축(build), 설계(design), 생성(generate), 예시(instantiate), 만들기(make), 생산(produce) 등.
  • 리드(Lead) – 판매 리드(sales lead), 고객 리드(customer lead), 잠재적 리드(potential lead), 조건에 맞는 리드(qualified lead) 등.

다음과 같은 철자 오류도 염두에 두어야 합니다.

  • 생성(Create) – crate, creeate, etc.
  • 리드(Lead) – leed, led, and lede.

단어의 동의어를 추가하면 다른 봇 작업 또는 작업 필드에서도 해당 동의어를 사용합니다. 즉, 작업에 정의된 단어의 동의어는 다른 작업 이름의 같은 단어에도 적용할 수 있습니다. 예를 들어, 새 리드 생성 작업(Create a New Lead)에서 생성(create)이라는 단어에 정의된 동의어를 기회 생성(Create Opportunity) 작업에도 사용합니다. 작업 및 작업 필드 이름 지정에 대한 모범 사례 및 팁에 대한 자세한 내용은, 자연어 처리 지침을 참조하세요.

봇 동의어로 이동

  1. 동의어를 추가하려는 봇을 열고 상단 메뉴에서 빌드 탭을 선택합니다.
  2. 왼쪽 탐색 메뉴에서 자연어 -> 학습을 클릭합니다.
  3. 학습 페이지에서, 다음 탭 중 하나를 클릭합니다.
    • 봇 동의어 – 봇 또는 작업 이름에 있는 단어의 동의어를 추가하고 편집합니다.
    • 엔티티 – 대화 작업 엔티티 노드 이름의 모든 단어에 대한 동의어를 추가하고 편집합니다.
    • 필드 – 작업 필드 이름의 모든 단어에 대한 동의어를 추가하고 편집합니다. 각 작업을 클릭하여 해당 작업의 단어 목록을 확장합니다.

동의어 추가

학습 페이지의 봇 동의어 탭에서 봇 작업 이름에 있는 단어의 동의어를 보고 추가할 수 있습니다. 봇 동의어 탭에 정의된 동의어는 모든 작업 이름, 필드 이름 등 봇 전체에 적용됩니다. 참고: 기본적으로 동의어가 나열되며 이는 영어, 독일어, 스페인어 및 프랑스어로만 제한됩니다.   봇 동의어를 추가하려면 다음 단계를 따르십시오.

  1. 학습 페이지에서 봇 동의어 탭을 선택합니다.
  2. 새 동의어를 클릭하거나 기존 동의어의 편집 아이콘을 사용하여 동의어 페이지를 엽니다.
  3. 이름 필드에 동의어를 생성하려는 단어(키워드)의 이름을 입력합니다.
  4. 동의어 필드에, 키워드를 위한 하나 이상의 동의어를 입력합니다. 각 동의어를 입력한 후 Enter 키를 누릅니다.
  5. 추가를 클릭하여 동의어 항목을 저장합니다.

엔티티 동의어 추가

학습 페이지의 엔티티 동의어 탭에서 각 대화 작업 엔티티는 해당 엔티티에 대해 정의된 동의어와 함께 나열됩니다. 작업 엔티티에 동의어를 추가하려면, 다음 단계를 따르세요.

  1. 학습 페이지에서 엔티티 탭을 선택합니다.
  2. 동의어를 추가하려는 엔티티의 편집 아이콘을 클릭합니다.
  3. 엔티티의 동의어를 하나 이상 입력한 다음 각 동의어를 입력한 후 Enter 키를 누릅니다

필드 동의어 추가

학습 페이지의 필드 탭에 필드 또는 엔티티 수와 함께 각 작업이 나열됩니다. 필드 동의어 탭에 정의된 동의어는 선택한 작업과 해당 작업에 지정된 필드 이름에만 적용됩니다. 필드에 동의어를 추가하려면 다음 단계를 따르십시오.

  1. 학습 페이지에서 필드 탭을 클릭합니다.
  2. 작업 이름에서, 동의어를 입력하려는 작업 필드의 편집 아이콘을 클릭합니다.
  3. 동의어를 하나 이상 입력한 다음 각 필드를 입력한 후 Enter 키를 누릅니다.
  4. 저장을 클릭하여 저장하고 대화 상자를 닫습니다.

필드 동의어는 봇 관련 작업에만 적용될 수 있습니다. 즉, 같은 단어에 적용될 수 있습니다. 예를 들어, 한 작업의 상태는 다른 작업의 상태라는 같은 필드에 서로 다른 동의어를 가질 수 있습니다. 작업 또는 작업 필드에서 단어의 동의어를 추가하는 것은 NLP 인터프리터가 의도한 작업 또는 작업 필드를 선택하는 데 도움이 될 수 있습니다. 작업 또는 작업 필드의 사용자 입력에 작업 이름 또는 작업 필드 이름의 단어가 포함되어 있지 않으면 어떻게 될까요? 예를 들어, Salesforce 봇의 리드 생성 작업의 경우 사용자가 새 계정 옵션, 즉 리드 생성을 입력하면 작업 이름의 단어나 동의어와 일치하지 않게 됩니다. 이 경우, 작업 이름 또는 작업 필드와 일치하는 단어 그룹의 패턴을 생성할 수 있습니다.

개념

개념은 한 개의 단어를 식별 그룹으로 간주할 수 있는 관련된 동의어 모음입니다. 예를 들어, 네(yes)는 좋습니다(ok) 또는 동의합니다(I agree) 또는 맞습니다(right) 등으로 표현할 수 있습니다. 시스템 개념 Kore.ai 플랫폼은 네, 아니요, 도움말 등 가장 일반적인 시나리오를 다루는 기본 개념 목록을 제공합니다.

개념 사용자 정의 비즈니스 요구 사항에 맞는 개념을 정의할 수 있습니다. 예를 들어, 과일이라는 용어는 사과, 오렌지 또는 바나나를 의미할 수 있습니다. 기본 단어 목록에 추가하려면, ~emogoodbye 또는 ~emohello 같은 기본 개념에 더 많은 단어를 추가하는 대신 패턴을 매핑하기 전에 새 개념을 생성하고 거기에 단어를 추가하는 것이 좋습니다. 사용자 정의 개념 정의 단어를 ~로 시작하여 봇 동의어를 정의하는 것과 같은 방식으로 새 개념을 정의할 수 있습니다. 명명 규칙에 대한 자세한 내용은, 여기를 참조하세요. 이모지로 맞춤형 개념을 정의할 수도 있습니다. 개념을 사용하여 패턴을 정의합니다. 예를 들어, 구매 ~과일(buy ~fruit) 패턴을 오렌지 구매(buy orange) 또는 바나나 구매(buy banana)를 캡처하는 데 사용합니다.

이모지 지원

NLP 엔진은 사용자 발화에 있는 이모지를 인식할 수 있습니다. 이를 개념 정의에 포함하고 더 나은 사용자 경험을 제공할 수 있습니다. 예를 들어, 사용자의 엄지를 든 이모티콘(:thumbs up:)은 긍정으로 간주될 수 있고, 찡그린 이모티콘(:frowning2:)은 분노한 감정으로 간주되어 적절한 조치가 취해질 수 있습니다. 사용자의 발화에 이모지가 있을 때 봇이 대화를 수행할 수 있도록 이모지를 봇의 시스템 개념으로 가져올 수 있습니다. 이를 위해 다음 단계를 따르세요.

  1. 빌드 상단 메뉴 옵션의 왼쪽 메뉴에서 자연어 -> 학습을 클릭합니다
  2. 의도 탭에서, 더 보기/생략 부분 아이콘을 클릭하고 개념으로 이모지 가져오기를 선택합니다.
  3. 이렇게 하면 현재 언어의 시스템 개념에 모든 기본 이모지가 추가됩니다. 보시다시피 이모지가 ~emohappy 등과 같은 시스템 개념에 업데이트됩니다.
  4. 가져오기한 후 지원하고 싶지 않은 이모티콘을 검토하여 제거할 수 있습니다.
  5. 이모지를 다시 가져오려는 경우 현재 이모지를 유지하면서 추가로 이모지를 추가합니다.

패턴 및 규칙 관리

NLP 인터프리터의 정확도와 인식을 최적화하기 위해, 작업 이름 및 작업 필드의 패턴을 생성할 수 있습니다. 이름에 사용된 단어에 동의어를 사용하는 것은 대단히 좋습니다. 때때로, 사용자는 속어, 은유 또는 기타 관용적 표현을 작업을 지칭할 수 있습니다. 예를 들어, 사용자는 오늘의 강우 상황을 입력했는데 작업 이름은 현재 날씨 확인일 수 있습니다. 이 경우, 작업 이름 안에 있는 단어가 사용되지는 않았지만, 입력된 내용은 현재 날씨 확인으로 같은 의미를 띄게 됩니다. 이러한 경우, 패턴을 사용하면 NLP 인터프리터 정확도를 개선하는 데 도움이 될 수 있습니다. NLP 인터프리터가 작업이나 필드에 동의어를 일치시키고 다른 작업이나 필드에 패턴을 일치시킬 때, 패턴 일치에 우선 순위를 적용하여 동의어 일치보다는 긍정 인식을 하는 데 사용하게 됩니다. NLP 최적화를 위한 모범 사례 및 팁에 대해 자세히 알아보려면, 자연어 처리 지침을 참조하세요. 패턴 사용에 대한 빠른 지침의 경우, 패턴 사용 방법을 참조하세요.

패턴 탭으로 이동

  1. 패턴을 추가하려는 봇을 열고 상단 메뉴에서 빌드 탭을 선택합니다.
  2. 왼쪽 메뉴에서 자연어 -> 학습을 클릭합니다.
  3. 학습 페이지에서, 다음 탭 중 하나를 클릭합니다.
    • 의도 – 대화 작업 사용자 의도 노드의 패턴 또는 규칙을 추가하거나 편집합니다.
    • 엔티티 – 대화 작업 엔티티 노드의 패턴을 추가하거나 편집합니다.
    • 필드 – 작업 필드 패턴을 추가하거나 편집합니다. 예를 들어 날짜, 위치 또는 이름을 사용자 입력으로 사용합니다. 이 옵션은 봇에 하나 이상의 작업, 경고 또는 정보 작업이 있는 경우에만 사용할 수 있습니다.
의도 패턴 추가

작업을 의미하는 문장으로 패턴을 정의할 수 있지만 실제로 작업 이름에 단어를 포함하지는 않습니다. 또한, 올바른 작업을 인식하는 정확도를 향상시키기 위해 NLP 인터프리터에서 단어를 무시해야 하는 위치를 정의할 수 있습니다. 예를 들어, 사용자 입력에서 순서대로 찾기라는 단어 다음에 임의의 숫자만큼의 단어가 오고, 그 다음에 테스트할 수 있는이 오고, 다시 임의의 숫자만큼의 단어가 오고, 마지막으로 이라는 단어가 오는 단어 시퀀스를 인식하는 *테스트할 수 있는* 값 찾기 같은 패턴을 구축할 수 있습니다. 이 패턴의 경우, 사용자 입력이 패턴과 일치할 가능성이 있는 값에 해당하는 테스트 할 수 있는 모든 정수 찾기일 수 있습니다. 개념으로 패턴을 구축할 수도 있습니다. 예를 들어, 구매 ~과일로 정의한 패턴과 일치하는 사용자 입력이 오렌지 구매가 될 수 있습니다. 의도 섹션에서, 대화 작업의 패턴을 보고, 추가하고, 삭제할 수 있습니다.
의도 패턴을 추가하려면 다음 단계를 따르세요.

  1. 학습 페이지에서, 패턴을 입력하려는 의도 이름의 패턴/+패턴을 클릭합니다.
  2. 의도 창에서, 하나 이상의 문장 패턴을 입력하고 패턴 사이에 Enter 키를 누릅니다.
  3. 아이콘을 사용하여 패턴을 재정렬, 편집 또는 삭제할 수 있습니다.
의도 규칙 추가

특성 또는 컨텍스트 태그를 사용하여 의도 탐지를 개선하기 위한 의도 식별 규칙을 정의할 수 있습니다. AND, OR 연산자를 사용하여 특성 또는 컨텍스트 태그 및 조건 규칙을 추가할 수 있습니다. 의도 규칙을 추가하려면 다음 단계를 따르세요.

  1. 학습 페이지에서, 패턴을 입력하려는 의도 이름의 규칙/+규칙을 클릭합니다.
  2. 의도 창에서 AND, OR 연산자를 사용하여 조건부 규칙으로 하나 이상의 특성/컨텍스트 태그를 입력하고 특성/태그 사이에 Enter 키를 누릅니다.

특성특성 연관 규칙컨텍스트 태그에 대한 자세한 내용은 여기를 참조하세요.

엔티티 패턴 추가

학습 페이지의 엔티티 섹션에서, 대화 작업 엔티티 노드 이름의 패턴을 보고, 추가하고, 삭제할 수 있습니다. 엔티티 패턴을 추가하려면 다음 단계를 따르십시오.

  1. 학습 페이지에서, 엔티티 탭을 클릭합니다.
  2. 패턴을 추가하려는 엔티티의 편집 아이콘을 클릭합니다.
  3. 엔티티 학습 페이지에서, 패턴 탭을 선택합니다.
  4. 하나 이상의 문장 패턴을 입력하고 패턴 사이에 Enter 키를 누릅니다.
  5. 아이콘을 사용하여 패턴을 재정렬, 편집 또는 삭제할 수 있습니다.
필드 패턴 추가

학습 페이지의 엔티티 섹션에서, 대화 작업 엔티티 노드 이름의 패턴을 보고, 추가하고, 삭제할 수 있습니다. 참고: 이 옵션은 봇에 하나 이상의 작업, 경고 또는 정보 작업이 있는 경우에만 사용할 수 있습니다. 엔티티 패턴을 추가하려면 다음 단계를 따르십시오.

  1. 학습 페이지에서, 필드 탭을 클릭합니다.
  2. 패턴을 추가하려는 엔티티의 편집 아이콘을 클릭합니다.
  3. 필드 학습 페이지에서, 패턴 탭을 선택합니다.
  4. 하나 이상의 문장 패턴을 입력하고 패턴 사이에 Enter 키를 누릅니다.
  5. 아이콘을 사용하여 패턴을 재정렬, 편집 또는 삭제할 수 있습니다.

네거티브 패턴

Kore.ai 봇 플랫폼에서 자연어 엔진은 사용자 입력을 식별하고 해당 사용자 입력을 작업과 일치시키려고 합니다. 추가 고급 설정을 수정하여 의도 탐지에 네거티브 패턴을 활성화할 수 있습니다. 이는 사용자 발화의 일부지만 해당 의도를 트리거해서는 안 되는 일치 의도를 필터링하는 데 유용합니다. 사용 사례: 예를 들어, 사용자가 문제가 발생했을 때 항공편을 예약하려고 했습니다(I was trying to Book a Flight when I faced an issue고 말합니다. 기계는 의도를 항공편 예약(Book a Flight)으로 식별하지만 이는 사용자가 원하는 일이 아닙니다. 이럴 경우, 하려고(was trying to)를 네거티브 패턴으로 정의하고 일치하는 의도가 무시되도록 합니다. 네거티브 패턴을 사용하여 기초 의미 또는 기계 학습 모델을 통해 탐지된 의도를 제거합니다. 네거티브 패턴을 생성하려면 다음 단계를 따르세요.

  1. 메뉴 옵션의 빌드 탭의 왼쪽 메뉴에서 자연어 -> 고급 설정 을 클릭합니다.
  2. 네거티브 패턴을 활성화합니다. 기본적으로 이 옵션은 비활성화되어 있습니다.
  3. 이 섹션에 추가된 네거티브 패턴 섹션을 볼 수 있습니다.
    • 봇의 각 의도에 의도 패턴을 정의하는 방법과 유사한 네거티브 패턴을 정의할 수 있습니다.
    • 설정된 네거티브 패턴 중 하나로 식별되는 경우, FM 또는 ML 엔진으로 식별된 모든 의도는 무시되고 순위 및 해결로 전송되지 않습니다.
    • 이와 같은 패턴을 추가한 후에는 재정렬, 편집 및 삭제할 수 있습니다.

     

임곗값 & 설정

학습 및 성능 향상을 위해 세 가지 NLP 엔진(FM, KG, ML)의 임곗값 및 설정을 지정할 수 있습니다. 빌드 -> 자연어 > 임곗값 및 설정에서 이러한 설정에 액세스할 수 있습니다. FM 엔진 설정에 대해서는 다음 섹션에 자세하게 설명되어 있습니다. 참고: 봇이 다국어인 경우 다른 언어에 다른 임곗값을 설정할 수 있습니다. 설정하지 않으면, 모든 언어에 기본 설정이 적용됩니다. 이 기능은 v7.0부터 사용할 수 있습니다.

임곗값 및 설정으로 이동합니다.

  1. 임곗값을 설정하고 싶은 봇을 엽니다.
  2. 상단 메뉴에서 빌드 탭을 선택합니다.
  3. 왼쪽 메뉴에서 자연어 ->임곗값 및 설정을 클릭합니다.
  4. 기초 의미 섹션에서는 FM 엔진의 임곗값을 설정할 수 있습니다.
    • 사용 사례에서 작업 이름 단어를 사용한 의도 탐지는 필요시 비활성화될 수 있습니다. 이는 주문하기, 주문 취소, 주문 요청, 주문 복제와 같이 명명된 작업이 너무 많은 경우에 특히 유용합니다. 사용자 발화에 순서가 있는 경우 이러한 모든 작업이 의도와 일치합니다. 가능한 발화를 전부 시도해보고 추측하고 학습시키는 대신, 이 옵션을 비활성화하면 효과가 있습니다. 비활성화해도 패턴을 사용하는 의도 탐지에는 영향을 미치지 않습니다. 또한, 작업 이름에서 단어를 사용한 묵시적 패턴이 자동으로 추가됩니다. 이 묵시적 패턴은 사용자 입력이 정확한 작업 이름으로 시작하고 끝나는 경우 이 의도를 식별합니다. 이 기능은 기본적으로 활성화되어 있습니다.
    • FM 임곗값을 사용하여 FM 엔진에서 R&R로 보내는 결과 수를 제한하여 최종 사용자에게 낮은 신뢰도의 일치를 제시할 가능성을 줄일 수 있습니다. 이 설정을 활성화하고 임곗값 백분율을 0%에서 20% 사이의 값으로 선택합니다. 기본값은 2%입니다. 최고 점수 의도 설정 % 내에서 일치하는 의도만 고려되고 다른 의도는 모두 제거됩니다. 영어, 스페인어, 프랑스어 및 독일어에서만 이 설정을 사용할 수 있습니다.

추천 자료 패턴 등을 사용한 의도 명명 지침을 자세히 알아보려면 여기를 참조하세요.

기초 의미

기초 의미는 ChatScript를 기반으로 하는 컴퓨터 언어학적 접근 방식입니다. 이 모델은 사용자 발화 구조를 분석하여 의미, 위치, 동사 변화, 대문자 사용, 복수, 기타 요소로 각 단어를 식별합니다. 이 섹션에서는, FM 엔진을 개선하기 위해 다음 주제를 자세히 설명합니다.

동의어 관리

사용자는 다양한 방식으로 동일한 요청을 발화합니다. 예를 들어, 리드 생성(Create Lead) 같은 의도는 새 리드(New Lead), 새 리드 만들기(Make a New Lead) 또는 리드 생성(Generate a Lead) 같은 대안적인 단어로 표현할 수 있습니다. 개발자는 작업 이름을 두세 단어로 제한하되 다른 방법으로 요청할 수 있도록 해야 합니다. 작업 이름과 작업 필드 이름 모두에 동의어를 정의합니다. 사용자가 제공한 올바른 작업 및 작업 필드를 인식할 때 NLP 인터프리터의 정확도를 최적화하기 위해, 작업 및 작업 필드의 이름에 사용된 단어의 동의어를 추가할 수 있습니다.

  • 생성(Create) – 새 작업(new) 구축(build), 설계(design), 생성(generate), 예시(instantiate), 만들기(make), 생산(produce) 등.
  • 리드(Lead) – 판매 리드(sales lead), 고객 리드(customer lead), 잠재적 리드(potential lead), 조건에 맞는 리드(qualified lead) 등.

다음과 같은 철자 오류도 염두에 두어야 합니다.

  • 생성(Create) – crate, creeate, etc.
  • 리드(Lead) – leed, led, and lede.

단어의 동의어를 추가하면 다른 봇 작업 또는 작업 필드에서도 해당 동의어를 사용합니다. 즉, 작업에 정의된 단어의 동의어는 다른 작업 이름의 같은 단어에도 적용할 수 있습니다. 예를 들어, 새 리드 생성 작업(Create a New Lead)에서 생성(create)이라는 단어에 정의된 동의어를 기회 생성(Create Opportunity) 작업에도 사용합니다. 작업 및 작업 필드 이름 지정에 대한 모범 사례 및 팁에 대한 자세한 내용은, 자연어 처리 지침을 참조하세요.

봇 동의어로 이동

  1. 동의어를 추가하려는 봇을 열고 상단 메뉴에서 빌드 탭을 선택합니다.
  2. 왼쪽 탐색 메뉴에서 자연어 -> 학습을 클릭합니다.
  3. 학습 페이지에서, 다음 탭 중 하나를 클릭합니다.
    • 봇 동의어 – 봇 또는 작업 이름에 있는 단어의 동의어를 추가하고 편집합니다.
    • 엔티티 – 대화 작업 엔티티 노드 이름의 모든 단어에 대한 동의어를 추가하고 편집합니다.
    • 필드 – 작업 필드 이름의 모든 단어에 대한 동의어를 추가하고 편집합니다. 각 작업을 클릭하여 해당 작업의 단어 목록을 확장합니다.

동의어 추가

학습 페이지의 봇 동의어 탭에서 봇 작업 이름에 있는 단어의 동의어를 보고 추가할 수 있습니다. 봇 동의어 탭에 정의된 동의어는 모든 작업 이름, 필드 이름 등 봇 전체에 적용됩니다. 참고: 기본적으로 동의어가 나열되며 이는 영어, 독일어, 스페인어 및 프랑스어로만 제한됩니다.   봇 동의어를 추가하려면 다음 단계를 따르십시오.

  1. 학습 페이지에서 봇 동의어 탭을 선택합니다.
  2. 새 동의어를 클릭하거나 기존 동의어의 편집 아이콘을 사용하여 동의어 페이지를 엽니다.
  3. 이름 필드에 동의어를 생성하려는 단어(키워드)의 이름을 입력합니다.
  4. 동의어 필드에, 키워드를 위한 하나 이상의 동의어를 입력합니다. 각 동의어를 입력한 후 Enter 키를 누릅니다.
  5. 추가를 클릭하여 동의어 항목을 저장합니다.

엔티티 동의어 추가

학습 페이지의 엔티티 동의어 탭에서 각 대화 작업 엔티티는 해당 엔티티에 대해 정의된 동의어와 함께 나열됩니다. 작업 엔티티에 동의어를 추가하려면, 다음 단계를 따르세요.

  1. 학습 페이지에서 엔티티 탭을 선택합니다.
  2. 동의어를 추가하려는 엔티티의 편집 아이콘을 클릭합니다.
  3. 엔티티의 동의어를 하나 이상 입력한 다음 각 동의어를 입력한 후 Enter 키를 누릅니다

필드 동의어 추가

학습 페이지의 필드 탭에 필드 또는 엔티티 수와 함께 각 작업이 나열됩니다. 필드 동의어 탭에 정의된 동의어는 선택한 작업과 해당 작업에 지정된 필드 이름에만 적용됩니다. 필드에 동의어를 추가하려면 다음 단계를 따르십시오.

  1. 학습 페이지에서 필드 탭을 클릭합니다.
  2. 작업 이름에서, 동의어를 입력하려는 작업 필드의 편집 아이콘을 클릭합니다.
  3. 동의어를 하나 이상 입력한 다음 각 필드를 입력한 후 Enter 키를 누릅니다.
  4. 저장을 클릭하여 저장하고 대화 상자를 닫습니다.

필드 동의어는 봇 관련 작업에만 적용될 수 있습니다. 즉, 같은 단어에 적용될 수 있습니다. 예를 들어, 한 작업의 상태는 다른 작업의 상태라는 같은 필드에 서로 다른 동의어를 가질 수 있습니다. 작업 또는 작업 필드에서 단어의 동의어를 추가하는 것은 NLP 인터프리터가 의도한 작업 또는 작업 필드를 선택하는 데 도움이 될 수 있습니다. 작업 또는 작업 필드의 사용자 입력에 작업 이름 또는 작업 필드 이름의 단어가 포함되어 있지 않으면 어떻게 될까요? 예를 들어, Salesforce 봇의 리드 생성 작업의 경우 사용자가 새 계정 옵션, 즉 리드 생성을 입력하면 작업 이름의 단어나 동의어와 일치하지 않게 됩니다. 이 경우, 작업 이름 또는 작업 필드와 일치하는 단어 그룹의 패턴을 생성할 수 있습니다.

개념

개념은 한 개의 단어를 식별 그룹으로 간주할 수 있는 관련된 동의어 모음입니다. 예를 들어, 네(yes)는 좋습니다(ok) 또는 동의합니다(I agree) 또는 맞습니다(right) 등으로 표현할 수 있습니다. 시스템 개념 Kore.ai 플랫폼은 네, 아니요, 도움말 등 가장 일반적인 시나리오를 다루는 기본 개념 목록을 제공합니다.

개념 사용자 정의 비즈니스 요구 사항에 맞는 개념을 정의할 수 있습니다. 예를 들어, 과일이라는 용어는 사과, 오렌지 또는 바나나를 의미할 수 있습니다. 기본 단어 목록에 추가하려면, ~emogoodbye 또는 ~emohello 같은 기본 개념에 더 많은 단어를 추가하는 대신 패턴을 매핑하기 전에 새 개념을 생성하고 거기에 단어를 추가하는 것이 좋습니다. 사용자 정의 개념 정의 단어를 ~로 시작하여 봇 동의어를 정의하는 것과 같은 방식으로 새 개념을 정의할 수 있습니다. 명명 규칙에 대한 자세한 내용은, 여기를 참조하세요. 이모지로 맞춤형 개념을 정의할 수도 있습니다. 개념을 사용하여 패턴을 정의합니다. 예를 들어, 구매 ~과일(buy ~fruit) 패턴을 오렌지 구매(buy orange) 또는 바나나 구매(buy banana)를 캡처하는 데 사용합니다.

이모지 지원

NLP 엔진은 사용자 발화에 있는 이모지를 인식할 수 있습니다. 이를 개념 정의에 포함하고 더 나은 사용자 경험을 제공할 수 있습니다. 예를 들어, 사용자의 엄지를 든 이모티콘(:thumbs up:)은 긍정으로 간주될 수 있고, 찡그린 이모티콘(:frowning2:)은 분노한 감정으로 간주되어 적절한 조치가 취해질 수 있습니다. 사용자의 발화에 이모지가 있을 때 봇이 대화를 수행할 수 있도록 이모지를 봇의 시스템 개념으로 가져올 수 있습니다. 이를 위해 다음 단계를 따르세요.

  1. 빌드 상단 메뉴 옵션의 왼쪽 메뉴에서 자연어 -> 학습을 클릭합니다
  2. 의도 탭에서, 더 보기/생략 부분 아이콘을 클릭하고 개념으로 이모지 가져오기를 선택합니다.
  3. 이렇게 하면 현재 언어의 시스템 개념에 모든 기본 이모지가 추가됩니다. 보시다시피 이모지가 ~emohappy 등과 같은 시스템 개념에 업데이트됩니다.
  4. 가져오기한 후 지원하고 싶지 않은 이모티콘을 검토하여 제거할 수 있습니다.
  5. 이모지를 다시 가져오려는 경우 현재 이모지를 유지하면서 추가로 이모지를 추가합니다.

패턴 및 규칙 관리

NLP 인터프리터의 정확도와 인식을 최적화하기 위해, 작업 이름 및 작업 필드의 패턴을 생성할 수 있습니다. 이름에 사용된 단어에 동의어를 사용하는 것은 대단히 좋습니다. 때때로, 사용자는 속어, 은유 또는 기타 관용적 표현을 작업을 지칭할 수 있습니다. 예를 들어, 사용자는 오늘의 강우 상황을 입력했는데 작업 이름은 현재 날씨 확인일 수 있습니다. 이 경우, 작업 이름 안에 있는 단어가 사용되지는 않았지만, 입력된 내용은 현재 날씨 확인으로 같은 의미를 띄게 됩니다. 이러한 경우, 패턴을 사용하면 NLP 인터프리터 정확도를 개선하는 데 도움이 될 수 있습니다. NLP 인터프리터가 작업이나 필드에 동의어를 일치시키고 다른 작업이나 필드에 패턴을 일치시킬 때, 패턴 일치에 우선 순위를 적용하여 동의어 일치보다는 긍정 인식을 하는 데 사용하게 됩니다. NLP 최적화를 위한 모범 사례 및 팁에 대해 자세히 알아보려면, 자연어 처리 지침을 참조하세요. 패턴 사용에 대한 빠른 지침의 경우, 패턴 사용 방법을 참조하세요.

패턴 탭으로 이동

  1. 패턴을 추가하려는 봇을 열고 상단 메뉴에서 빌드 탭을 선택합니다.
  2. 왼쪽 메뉴에서 자연어 -> 학습을 클릭합니다.
  3. 학습 페이지에서, 다음 탭 중 하나를 클릭합니다.
    • 의도 – 대화 작업 사용자 의도 노드의 패턴 또는 규칙을 추가하거나 편집합니다.
    • 엔티티 – 대화 작업 엔티티 노드의 패턴을 추가하거나 편집합니다.
    • 필드 – 작업 필드 패턴을 추가하거나 편집합니다. 예를 들어 날짜, 위치 또는 이름을 사용자 입력으로 사용합니다. 이 옵션은 봇에 하나 이상의 작업, 경고 또는 정보 작업이 있는 경우에만 사용할 수 있습니다.
의도 패턴 추가

작업을 의미하는 문장으로 패턴을 정의할 수 있지만 실제로 작업 이름에 단어를 포함하지는 않습니다. 또한, 올바른 작업을 인식하는 정확도를 향상시키기 위해 NLP 인터프리터에서 단어를 무시해야 하는 위치를 정의할 수 있습니다. 예를 들어, 사용자 입력에서 순서대로 찾기라는 단어 다음에 임의의 숫자만큼의 단어가 오고, 그 다음에 테스트할 수 있는이 오고, 다시 임의의 숫자만큼의 단어가 오고, 마지막으로 이라는 단어가 오는 단어 시퀀스를 인식하는 *테스트할 수 있는* 값 찾기 같은 패턴을 구축할 수 있습니다. 이 패턴의 경우, 사용자 입력이 패턴과 일치할 가능성이 있는 값에 해당하는 테스트 할 수 있는 모든 정수 찾기일 수 있습니다. 개념으로 패턴을 구축할 수도 있습니다. 예를 들어, 구매 ~과일로 정의한 패턴과 일치하는 사용자 입력이 오렌지 구매가 될 수 있습니다. 의도 섹션에서, 대화 작업의 패턴을 보고, 추가하고, 삭제할 수 있습니다.
의도 패턴을 추가하려면 다음 단계를 따르세요.

  1. 학습 페이지에서, 패턴을 입력하려는 의도 이름의 패턴/+패턴을 클릭합니다.
  2. 의도 창에서, 하나 이상의 문장 패턴을 입력하고 패턴 사이에 Enter 키를 누릅니다.
  3. 아이콘을 사용하여 패턴을 재정렬, 편집 또는 삭제할 수 있습니다.
의도 규칙 추가

특성 또는 컨텍스트 태그를 사용하여 의도 탐지를 개선하기 위한 의도 식별 규칙을 정의할 수 있습니다. AND, OR 연산자를 사용하여 특성 또는 컨텍스트 태그 및 조건 규칙을 추가할 수 있습니다. 의도 규칙을 추가하려면 다음 단계를 따르세요.

  1. 학습 페이지에서, 패턴을 입력하려는 의도 이름의 규칙/+규칙을 클릭합니다.
  2. 의도 창에서 AND, OR 연산자를 사용하여 조건부 규칙으로 하나 이상의 특성/컨텍스트 태그를 입력하고 특성/태그 사이에 Enter 키를 누릅니다.

특성특성 연관 규칙컨텍스트 태그에 대한 자세한 내용은 여기를 참조하세요.

엔티티 패턴 추가

학습 페이지의 엔티티 섹션에서, 대화 작업 엔티티 노드 이름의 패턴을 보고, 추가하고, 삭제할 수 있습니다. 엔티티 패턴을 추가하려면 다음 단계를 따르십시오.

  1. 학습 페이지에서, 엔티티 탭을 클릭합니다.
  2. 패턴을 추가하려는 엔티티의 편집 아이콘을 클릭합니다.
  3. 엔티티 학습 페이지에서, 패턴 탭을 선택합니다.
  4. 하나 이상의 문장 패턴을 입력하고 패턴 사이에 Enter 키를 누릅니다.
  5. 아이콘을 사용하여 패턴을 재정렬, 편집 또는 삭제할 수 있습니다.
필드 패턴 추가

학습 페이지의 엔티티 섹션에서, 대화 작업 엔티티 노드 이름의 패턴을 보고, 추가하고, 삭제할 수 있습니다. 참고: 이 옵션은 봇에 하나 이상의 작업, 경고 또는 정보 작업이 있는 경우에만 사용할 수 있습니다. 엔티티 패턴을 추가하려면 다음 단계를 따르십시오.

  1. 학습 페이지에서, 필드 탭을 클릭합니다.
  2. 패턴을 추가하려는 엔티티의 편집 아이콘을 클릭합니다.
  3. 필드 학습 페이지에서, 패턴 탭을 선택합니다.
  4. 하나 이상의 문장 패턴을 입력하고 패턴 사이에 Enter 키를 누릅니다.
  5. 아이콘을 사용하여 패턴을 재정렬, 편집 또는 삭제할 수 있습니다.

네거티브 패턴

Kore.ai 봇 플랫폼에서 자연어 엔진은 사용자 입력을 식별하고 해당 사용자 입력을 작업과 일치시키려고 합니다. 추가 고급 설정을 수정하여 의도 탐지에 네거티브 패턴을 활성화할 수 있습니다. 이는 사용자 발화의 일부지만 해당 의도를 트리거해서는 안 되는 일치 의도를 필터링하는 데 유용합니다. 사용 사례: 예를 들어, 사용자가 문제가 발생했을 때 항공편을 예약하려고 했습니다(I was trying to Book a Flight when I faced an issue고 말합니다. 기계는 의도를 항공편 예약(Book a Flight)으로 식별하지만 이는 사용자가 원하는 일이 아닙니다. 이럴 경우, 하려고(was trying to)를 네거티브 패턴으로 정의하고 일치하는 의도가 무시되도록 합니다. 네거티브 패턴을 사용하여 기초 의미 또는 기계 학습 모델을 통해 탐지된 의도를 제거합니다. 네거티브 패턴을 생성하려면 다음 단계를 따르세요.

  1. 메뉴 옵션의 빌드 탭의 왼쪽 메뉴에서 자연어 -> 고급 설정 을 클릭합니다.
  2. 네거티브 패턴을 활성화합니다. 기본적으로 이 옵션은 비활성화되어 있습니다.
  3. 이 섹션에 추가된 네거티브 패턴 섹션을 볼 수 있습니다.
    • 봇의 각 의도에 의도 패턴을 정의하는 방법과 유사한 네거티브 패턴을 정의할 수 있습니다.
    • 설정된 네거티브 패턴 중 하나로 식별되는 경우, FM 또는 ML 엔진으로 식별된 모든 의도는 무시되고 순위 및 해결로 전송되지 않습니다.
    • 이와 같은 패턴을 추가한 후에는 재정렬, 편집 및 삭제할 수 있습니다.

     

임곗값 & 설정

학습 및 성능 향상을 위해 세 가지 NLP 엔진(FM, KG, ML)의 임곗값 및 설정을 지정할 수 있습니다. 빌드 -> 자연어 > 임곗값 및 설정에서 이러한 설정에 액세스할 수 있습니다. FM 엔진 설정에 대해서는 다음 섹션에 자세하게 설명되어 있습니다. 참고: 봇이 다국어인 경우 다른 언어에 다른 임곗값을 설정할 수 있습니다. 설정하지 않으면, 모든 언어에 기본 설정이 적용됩니다. 이 기능은 v7.0부터 사용할 수 있습니다.

임곗값 및 설정으로 이동합니다.

  1. 임곗값을 설정하고 싶은 봇을 엽니다.
  2. 상단 메뉴에서 빌드 탭을 선택합니다.
  3. 왼쪽 메뉴에서 자연어 ->임곗값 및 설정을 클릭합니다.
  4. 기초 의미 섹션에서는 FM 엔진의 임곗값을 설정할 수 있습니다.
    • 사용 사례에서 작업 이름 단어를 사용한 의도 탐지는 필요시 비활성화될 수 있습니다. 이는 주문하기, 주문 취소, 주문 요청, 주문 복제와 같이 명명된 작업이 너무 많은 경우에 특히 유용합니다. 사용자 발화에 순서가 있는 경우 이러한 모든 작업이 의도와 일치합니다. 가능한 발화를 전부 시도해보고 추측하고 학습시키는 대신, 이 옵션을 비활성화하면 효과가 있습니다. 비활성화해도 패턴을 사용하는 의도 탐지에는 영향을 미치지 않습니다. 또한, 작업 이름에서 단어를 사용한 묵시적 패턴이 자동으로 추가됩니다. 이 묵시적 패턴은 사용자 입력이 정확한 작업 이름으로 시작하고 끝나는 경우 이 의도를 식별합니다. 이 기능은 기본적으로 활성화되어 있습니다.
    • FM 임곗값을 사용하여 FM 엔진에서 R&R로 보내는 결과 수를 제한하여 최종 사용자에게 낮은 신뢰도의 일치를 제시할 가능성을 줄일 수 있습니다. 이 설정을 활성화하고 임곗값 백분율을 0%에서 20% 사이의 값으로 선택합니다. 기본값은 2%입니다. 최고 점수 의도 설정 % 내에서 일치하는 의도만 고려되고 다른 의도는 모두 제거됩니다. 영어, 스페인어, 프랑스어 및 독일어에서만 이 설정을 사용할 수 있습니다.

추천 자료 패턴 등을 사용한 의도 명명 지침을 자세히 알아보려면 여기를 참조하세요.

메뉴