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. 특성

특성

자연스러운 대화에서, 사용자가 특정 시나리오를 설명하면서 배경/관련 정보를 제공하는 일은 매우 흔합니다. 특성은 사용자가 대화에서 표현하는 특정 엔티티, 속성 또는 세부 정보입니다. 발화는 특정 의도를 직접 전달하지 않을 수 있지만, 발화에 있는 특성은 의도 탐지 및 봇 대화 흐름을 구동하는 데 사용됩니다. 예를 들어 출장 중인데 제 카드의 결제가 거부되었습니다라는 발화는 두 가지 특성 카드 결제 거부비상 사태를 나타냅니다. 이 시나리오에서, 발화는 직접적인 의도를 전달하지 않거나 기껏해야 카드 차단 해제 흐름을 트리거하는 데 사용됩니다. 그러나, 긴급 특성은 대화를 인간 상담사에게 직접 할당하는 데 사용됩니다. 봇 플랫폼의 특성 기능은 사용자 발화에 존재하는 이러한 특성을 식별하는 것을 목표로 하며 의도 탐지를 위해 특성 기능을 사용하고 이러한 특성으로 봇 정의를 사용자 정의합니다.

사용 사례

항공편 예약 봇에는 선호 비용에 따라 항공편을 예약하기 위한 추가 요구 사항이 있을 수 있습니다. 사용자 발화: 런던행 저가 옵션을 찾고 있습니다의 경우 유효한 항공편을 주문하고 가장 저렴한 티켓을 선택해야 합니다. 다음을 통해 이를 달성할 수 있습니다.

  • 저가라는 발화로 학습시킨 특성 이코노미가 있는 여행 클래스라는 특성 유형을 추가합니다.
  • 이코노미 특성이 있는 경우 항공편 예약에 규칙 추가가 트리거됩니다.
  • 컨텍스트에 특성 이코노미가 있는 경우 전환 조건을 추가합니다.

구성

특성 설정에는 다음이 포함됩니다.

  • 특성 정의
  • 특성 연관 규칙
  • 특성 탐지

특성 정의

특성을 정의하려면 빌드 상단 메뉴의 왼쪽 메뉴에서 자연어 –> 학습을 클릭하고 특성 탭을 선택합니다. 다음은 특성을 정의할 때 고려해야 할 주요 기능입니다.

  1. 특성 유형은 위의 예의 여행 클래스 같은 관련 특성 모음입니다.
  2. 특성 유형은 ML 기반 또는 패턴 기반일 수 있습니다. 특성 유형의 각 특성은 유형에 따라 단어, 문구, 발화 또는 패턴을 사용하여 학습시킬 수 있습니다. 특성 유형 관리를 통해 학습 설정을 정의할 수 있습니다. ML 기반 특성 구성은 아래를 참조하세요.
  3. 특성 유형은 하나 이상의 특성을 가질 수 있습니다.
  4. 특성 이름은 그룹 내에서 하나뿐인 것이어야 합니다. 그러나 여러 그룹에 같은 이름을 가진 특성이 존재할 수 있습니다.
    • ML 기반 특성의 경우, 특성을 식별하는 단어, 문구 또는 발화를 정의할 수 있습니다. ML 기반 특성 유형에 특성 유형당 하나의 특성을 탐지합니다.
    • 패턴 기반 특성의 경우, 주어진 특성과 연관된 패턴을 정의할 수 있습니다. 패턴 기반 특성 유형에 여러 특성이 탐지될 가능성이 있습니다. 특성 유형 내의 특성 순서 지정은 특성 유형에서 특성의 중요성을 나타내며 하나의 특성만 감지합니다.
  5. 추가되고 나면, 사용자 발화에서 특성을 탐지하도록 봇을 학습시킵니다.

  참고 사항:

  1. 다국어 봇의 경우 언어별 특성을 추가할 수 있습니다.
  2. 특성 이름을 수정하고 나면 해당 특성으로 정의된 모든 규칙이 수정되었는지 확인하세요. 수동으로 작업해야 하며 플랫폼에서 자동 처리하지 않습니다.
  3. 특성 이름은 그룹 내에서 유일해야 합니다.
  4. 같은 이름을 가진 특성이 여러 그룹에 존재할 수 있지만, 특성 규칙이나 특성 탐지 결과에서 이들을 구별하기는 어렵습니다.

특성 – ML 모델

ML 모델로 특성을 학습시킬 때는 기본적으로 n-그램 모델이 사용됩니다. n-그램은 모델 학습을 위해 학습 문장에서 사용하는 연속적인 단어 시퀀스입니다. 그러나 이는 말뭉치가 매우 적거나, 학습 문장에 더 적은 수의 단어가 포함되어 있는 경우, 일반적으로는, 효과적이지 않을 수 있습니다. 플랫폼 v8.0부터 n-그램 모델을 건너뛰거나 사용할 수 있는 옵션이 포함되어 있습니다. 또한 n-그램 알고리즘을 매개 변수화하는 옵션이 포함되어 있습니다.

  • n-그램 옵션을 선택하면, n-그램의 최대값을 설정하여 n-그램 시퀀스 길이를 구성할 수 있습니다. 기본적으로 1로 설정되며 1에서 5 사이의 정수 값으로 설정할 수 있습니다.
  • 스킵-그램을 선택하면 다음을 설정할 수 있습니다.
    • 비연속 시퀀스에 포함될 단어 수를 지정하는 시퀀스 길이. 기본적으로 2로 설정되며 2에서 4 사이의 정수 값을 가질 수 있습니다.
    • 연속하지 않은 단어 시퀀스를 형성하기 위해 건너뛸 수 있는 단어 수의 최대 스킵 거리입니다. 기본적으로 1로 설정되며 1에서 3 사이의 정수 값을 가질 수 있습니다.

참고: 설정은 모든 언어(다국어 봇의 경우)에 대해 같지만 중국어 및 한국어와 같은 일부 언어의 경우 문자 시퀀스는 그램을 형성하고 기타(라틴 기반) 언어의 경우에는 단어 그램입니다.

특성 연관 규칙

특성 규칙은 대화 실행 및 지식 그래프 의도 탐지를 정의합니다.

대화 실행

ML 발화 및 패턴과 함께 특성을 사용하여 의도 탐지 또는 대화 실행을 수행합니다. 이를 달성하려면, 규칙을 추가하여 의도가 필수 특성과 연결되어야 합니다. 규칙을 추가하는 방법에는 여러 가지가 있습니다.

  1. 새 규칙 추가 링크를 통해 특성 섹션에서.
  2. NLP 속성규칙 섹션을 통해 의도 노드에서.
  3. 주어진 의도의 규칙 탭을 통해.

각 규칙에는 AND를 연산자로 사용하는 하나 이상의 조건이 있을 수 있습니다. 주어진 의도에 여러 특성 규칙을 정의할 수 있으며 규칙 중 하나라도 일치하는 경우 의도를 확실한 일치로 간주합니다.

지식 그래프 의도

지식 그래프 특성을 통한 발견 프로세스의 일부가 될 수도 있습니다. 이를 위해 각 용어 또는 노드는 특성과 연관시킬 수도 있습니다. 주어진 용어를 단일 특성과 연관시킬 수도 있습니다.

특성 탐지

그룹(특성 유형)에서 하나의 특성만 탐지하고 확실한 일치로 간주합니다. 탐지된 특성은 컨텍스트 개체에 포함됩니다. 식별된 하나뿐인 특성으로 컨텍스트를 채웁니다(특성 유형 참조 없이). 다음에서 이 정보를 사용할 수 있습니다.

  • 의도 식별
  • 대화 전환
  • 엔티티 채우기
  • 봇 정의

배치 테스트 보고서에는 의도 API 찾기처럼 탐지된 특성에 대한 정보도 포함됩니다.

의도 감지

순위 및 해결은 3개의 NL 엔진 및 속성에서 입력한 내용을 통해 가능한/확실한 매치를 분석하고 생각해 냅니다.

  • 특성 규칙에 있는 모든 특성(지식 그래프의 경우 하나)이 탐지되는 경우에만 의도를 확실한 일치로 간주합니다.
  • NL 검색은 탐지된 특성에 대한 정보를 포함하고 NLP 흐름은 탐지된 특성에 대한 정보를 보여줍니다.

대화 전환

특성을 사용하여 대화 흐름을 제어합니다. 대화의 경우, 연결 규칙은 특성 컨텍스트를 사용하여 정의합니다. 대화의 속성 패널에 있는 연결 탭에서 이 작업을 수행합니다. 특성 컨텍스트는 context.traits를 사용하여 액세스합니다. 의도와 일치하는 모든 특성의 배열을 반환하므로 contains 조건이 사용됩니다.

특성

자연스러운 대화에서, 사용자가 특정 시나리오를 설명하면서 배경/관련 정보를 제공하는 일은 매우 흔합니다. 특성은 사용자가 대화에서 표현하는 특정 엔티티, 속성 또는 세부 정보입니다. 발화는 특정 의도를 직접 전달하지 않을 수 있지만, 발화에 있는 특성은 의도 탐지 및 봇 대화 흐름을 구동하는 데 사용됩니다. 예를 들어 출장 중인데 제 카드의 결제가 거부되었습니다라는 발화는 두 가지 특성 카드 결제 거부비상 사태를 나타냅니다. 이 시나리오에서, 발화는 직접적인 의도를 전달하지 않거나 기껏해야 카드 차단 해제 흐름을 트리거하는 데 사용됩니다. 그러나, 긴급 특성은 대화를 인간 상담사에게 직접 할당하는 데 사용됩니다. 봇 플랫폼의 특성 기능은 사용자 발화에 존재하는 이러한 특성을 식별하는 것을 목표로 하며 의도 탐지를 위해 특성 기능을 사용하고 이러한 특성으로 봇 정의를 사용자 정의합니다.

사용 사례

항공편 예약 봇에는 선호 비용에 따라 항공편을 예약하기 위한 추가 요구 사항이 있을 수 있습니다. 사용자 발화: 런던행 저가 옵션을 찾고 있습니다의 경우 유효한 항공편을 주문하고 가장 저렴한 티켓을 선택해야 합니다. 다음을 통해 이를 달성할 수 있습니다.

  • 저가라는 발화로 학습시킨 특성 이코노미가 있는 여행 클래스라는 특성 유형을 추가합니다.
  • 이코노미 특성이 있는 경우 항공편 예약에 규칙 추가가 트리거됩니다.
  • 컨텍스트에 특성 이코노미가 있는 경우 전환 조건을 추가합니다.

구성

특성 설정에는 다음이 포함됩니다.

  • 특성 정의
  • 특성 연관 규칙
  • 특성 탐지

특성 정의

특성을 정의하려면 빌드 상단 메뉴의 왼쪽 메뉴에서 자연어 –> 학습을 클릭하고 특성 탭을 선택합니다. 다음은 특성을 정의할 때 고려해야 할 주요 기능입니다.

  1. 특성 유형은 위의 예의 여행 클래스 같은 관련 특성 모음입니다.
  2. 특성 유형은 ML 기반 또는 패턴 기반일 수 있습니다. 특성 유형의 각 특성은 유형에 따라 단어, 문구, 발화 또는 패턴을 사용하여 학습시킬 수 있습니다. 특성 유형 관리를 통해 학습 설정을 정의할 수 있습니다. ML 기반 특성 구성은 아래를 참조하세요.
  3. 특성 유형은 하나 이상의 특성을 가질 수 있습니다.
  4. 특성 이름은 그룹 내에서 하나뿐인 것이어야 합니다. 그러나 여러 그룹에 같은 이름을 가진 특성이 존재할 수 있습니다.
    • ML 기반 특성의 경우, 특성을 식별하는 단어, 문구 또는 발화를 정의할 수 있습니다. ML 기반 특성 유형에 특성 유형당 하나의 특성을 탐지합니다.
    • 패턴 기반 특성의 경우, 주어진 특성과 연관된 패턴을 정의할 수 있습니다. 패턴 기반 특성 유형에 여러 특성이 탐지될 가능성이 있습니다. 특성 유형 내의 특성 순서 지정은 특성 유형에서 특성의 중요성을 나타내며 하나의 특성만 감지합니다.
  5. 추가되고 나면, 사용자 발화에서 특성을 탐지하도록 봇을 학습시킵니다.

  참고 사항:

  1. 다국어 봇의 경우 언어별 특성을 추가할 수 있습니다.
  2. 특성 이름을 수정하고 나면 해당 특성으로 정의된 모든 규칙이 수정되었는지 확인하세요. 수동으로 작업해야 하며 플랫폼에서 자동 처리하지 않습니다.
  3. 특성 이름은 그룹 내에서 유일해야 합니다.
  4. 같은 이름을 가진 특성이 여러 그룹에 존재할 수 있지만, 특성 규칙이나 특성 탐지 결과에서 이들을 구별하기는 어렵습니다.

특성 – ML 모델

ML 모델로 특성을 학습시킬 때는 기본적으로 n-그램 모델이 사용됩니다. n-그램은 모델 학습을 위해 학습 문장에서 사용하는 연속적인 단어 시퀀스입니다. 그러나 이는 말뭉치가 매우 적거나, 학습 문장에 더 적은 수의 단어가 포함되어 있는 경우, 일반적으로는, 효과적이지 않을 수 있습니다. 플랫폼 v8.0부터 n-그램 모델을 건너뛰거나 사용할 수 있는 옵션이 포함되어 있습니다. 또한 n-그램 알고리즘을 매개 변수화하는 옵션이 포함되어 있습니다.

  • n-그램 옵션을 선택하면, n-그램의 최대값을 설정하여 n-그램 시퀀스 길이를 구성할 수 있습니다. 기본적으로 1로 설정되며 1에서 5 사이의 정수 값으로 설정할 수 있습니다.
  • 스킵-그램을 선택하면 다음을 설정할 수 있습니다.
    • 비연속 시퀀스에 포함될 단어 수를 지정하는 시퀀스 길이. 기본적으로 2로 설정되며 2에서 4 사이의 정수 값을 가질 수 있습니다.
    • 연속하지 않은 단어 시퀀스를 형성하기 위해 건너뛸 수 있는 단어 수의 최대 스킵 거리입니다. 기본적으로 1로 설정되며 1에서 3 사이의 정수 값을 가질 수 있습니다.

참고: 설정은 모든 언어(다국어 봇의 경우)에 대해 같지만 중국어 및 한국어와 같은 일부 언어의 경우 문자 시퀀스는 그램을 형성하고 기타(라틴 기반) 언어의 경우에는 단어 그램입니다.

특성 연관 규칙

특성 규칙은 대화 실행 및 지식 그래프 의도 탐지를 정의합니다.

대화 실행

ML 발화 및 패턴과 함께 특성을 사용하여 의도 탐지 또는 대화 실행을 수행합니다. 이를 달성하려면, 규칙을 추가하여 의도가 필수 특성과 연결되어야 합니다. 규칙을 추가하는 방법에는 여러 가지가 있습니다.

  1. 새 규칙 추가 링크를 통해 특성 섹션에서.
  2. NLP 속성규칙 섹션을 통해 의도 노드에서.
  3. 주어진 의도의 규칙 탭을 통해.

각 규칙에는 AND를 연산자로 사용하는 하나 이상의 조건이 있을 수 있습니다. 주어진 의도에 여러 특성 규칙을 정의할 수 있으며 규칙 중 하나라도 일치하는 경우 의도를 확실한 일치로 간주합니다.

지식 그래프 의도

지식 그래프 특성을 통한 발견 프로세스의 일부가 될 수도 있습니다. 이를 위해 각 용어 또는 노드는 특성과 연관시킬 수도 있습니다. 주어진 용어를 단일 특성과 연관시킬 수도 있습니다.

특성 탐지

그룹(특성 유형)에서 하나의 특성만 탐지하고 확실한 일치로 간주합니다. 탐지된 특성은 컨텍스트 개체에 포함됩니다. 식별된 하나뿐인 특성으로 컨텍스트를 채웁니다(특성 유형 참조 없이). 다음에서 이 정보를 사용할 수 있습니다.

  • 의도 식별
  • 대화 전환
  • 엔티티 채우기
  • 봇 정의

배치 테스트 보고서에는 의도 API 찾기처럼 탐지된 특성에 대한 정보도 포함됩니다.

의도 감지

순위 및 해결은 3개의 NL 엔진 및 속성에서 입력한 내용을 통해 가능한/확실한 매치를 분석하고 생각해 냅니다.

  • 특성 규칙에 있는 모든 특성(지식 그래프의 경우 하나)이 탐지되는 경우에만 의도를 확실한 일치로 간주합니다.
  • NL 검색은 탐지된 특성에 대한 정보를 포함하고 NLP 흐름은 탐지된 특성에 대한 정보를 보여줍니다.

대화 전환

특성을 사용하여 대화 흐름을 제어합니다. 대화의 경우, 연결 규칙은 특성 컨텍스트를 사용하여 정의합니다. 대화의 속성 패널에 있는 연결 탭에서 이 작업을 수행합니다. 특성 컨텍스트는 context.traits를 사용하여 액세스합니다. 의도와 일치하는 모든 특성의 배열을 반환하므로 contains 조건이 사용됩니다.

메뉴