AI-യിലെ ഒരു "ഉച്ചാരണം" എന്താണ്?: ഉദാഹരണങ്ങൾ, ഡാറ്റാസെറ്റുകൾ, മികച്ച രീതികൾ

'ഹേയ് സിരി' അല്ലെങ്കിൽ 'അലക്‌സാ' എന്ന് പറയുമ്പോൾ ചാറ്റ്‌ബോട്ടുകളും വെർച്വൽ അസിസ്റ്റന്റുകളും എങ്ങനെ ഉണരുമെന്ന് നിങ്ങൾ എപ്പോഴെങ്കിലും ചിന്തിച്ചിട്ടുണ്ടോ? പ്രോഗ്രാം ചെയ്‌ത വേക്ക് വേഡ് കേൾക്കുമ്പോൾ തന്നെ സിസ്റ്റം സജീവമാക്കുന്നത് സോഫ്റ്റ്‌വെയറിൽ എംബഡ് ചെയ്‌തിരിക്കുന്ന ടെക്‌സ്‌റ്റ് ഉച്ചാരണ ശേഖരം അല്ലെങ്കിൽ ട്രിഗർ വാക്കുകൾ മൂലമാണ്.

എന്നിരുന്നാലും, ശബ്ദങ്ങളും ഉച്ചാരണ ഡാറ്റയും സൃഷ്ടിക്കുന്നതിനുള്ള മൊത്തത്തിലുള്ള പ്രക്രിയ അത്ര ലളിതമല്ല. ആവശ്യമുള്ള ഫലങ്ങൾ ലഭിക്കുന്നതിന് ശരിയായ സാങ്കേതികത ഉപയോഗിച്ച് നടപ്പിലാക്കേണ്ട ഒരു പ്രക്രിയയാണിത്. അതിനാൽ, ഈ ബ്ലോഗ് നിങ്ങളുടെ സംഭാഷണ AI-യിൽ തടസ്സങ്ങളില്ലാതെ പ്രവർത്തിക്കുന്ന നല്ല ഉച്ചാരണം / ട്രിഗർ വാക്കുകൾ സൃഷ്ടിക്കുന്നതിനുള്ള വഴി പങ്കിടും.

AI-യിലെ ഒരു "ഉച്ചാരണം" എന്താണ്?

സംഭാഷണ AI-യിൽ (ചാറ്റ്ബോട്ടുകൾ, വോയ്‌സ് അസിസ്റ്റന്റുമാർ), ഒരു ഉച്ചാരണം എന്നത് ഉപയോക്തൃ ഇൻപുട്ടിന്റെ ഒരു ചെറിയ ഭാഗമാണ് - ഒരു വ്യക്തി പറയുന്നതോ ടൈപ്പ് ചെയ്യുന്നതോ ആയ കൃത്യമായ വാക്കുകൾ. ഉപയോക്താവിന്റെ ഉദ്ദേശ്യം (ലക്ഷ്യം), ഏതെങ്കിലും എന്റിറ്റികൾ (തീയതികൾ, ഉൽപ്പന്ന നാമങ്ങൾ, തുകകൾ പോലുള്ള വിശദാംശങ്ങൾ) എന്നിവ കണ്ടെത്തുന്നതിന് മോഡലുകൾ ഉച്ചാരണങ്ങൾ ഉപയോഗിക്കുന്നു.

ലളിതമായ ഉദാഹരണങ്ങൾ

ഇ-കൊമേഴ്‌സ് ബോട്ട്

" എന്റെ ഓർഡർ 123-456 ട്രാക്ക് ചെയ്യുക " എന്ന പ്രസ്താവന .

• ഉദ്ദേശ്യം: ട്രാക്ക് ഓർഡർ
• എന്റിറ്റി: ഓർഡർ_ഐഡി = 123-456

ടെലികോം ബോട്ട്

" എന്റെ ഡാറ്റ പ്ലാൻ അപ്‌ഗ്രേഡ് ചെയ്യുക " എന്ന പ്രസ്താവന .

• ഉദ്ദേശ്യം: ചേഞ്ച്പ്ലാൻ
• എന്റിറ്റി: plan_type = ഡാറ്റ

ബാങ്കിംഗ് വോയ്‌സ് അസിസ്റ്റന്റ്

ഉച്ചാരണം (സംസാരിക്കുന്നു): " ഇന്ന് എന്റെ ചെക്കിംഗ് ബാലൻസ് എന്താണ്? "

• ഉദ്ദേശ്യം: ചെക്ക്ബാലൻസ്
• എന്റിറ്റികൾ: അക്കൗണ്ട്_തരം = പരിശോധിക്കുന്നു, തീയതി = ഇന്ന്

നിങ്ങളുടെ സംഭാഷണ AI-ക്ക് നല്ല ഉച്ചാരണ ഡാറ്റ ആവശ്യമായി വരുന്നത് എന്തുകൊണ്ട്?

നിങ്ങളുടെ ചാറ്റ്ബോട്ട് അല്ലെങ്കിൽ വോയ്‌സ് അസിസ്റ്റന്റ് സഹായകരമാണെന്ന് തോന്നണമെങ്കിൽ - പൊട്ടുന്നതല്ല - മികച്ച ഉച്ചാരണ ഡാറ്റ ഉപയോഗിച്ച് ആരംഭിക്കുക. ഈ ഉച്ചാരണ ശേഖരണ കേസ് സ്റ്റഡിയിൽ ഞങ്ങൾ അത് എങ്ങനെ ചെയ്തുവെന്ന് കാണുക - 13 ഭാഷകളിലായി 22 മണിക്കൂർ.. കാര്യങ്ങൾ പൂർത്തിയാക്കാൻ ആളുകൾ പറയുന്നതോ ടൈപ്പ് ചെയ്യുന്നതോ ആയ അസംസ്‌കൃത വാക്യങ്ങളാണ് ഉച്ചാരണങ്ങൾ (“നാളത്തേക്ക് എനിക്ക് ഒരു മുറി ബുക്ക് ചെയ്യുക,” “എന്റെ പ്ലാൻ മാറ്റുക,” “സ്റ്റാറ്റസ് എന്താണ്?”). അവ ഉദ്ദേശ്യ വർഗ്ഗീകരണം, എന്റിറ്റി എക്‌സ്‌ട്രാക്ഷൻ, ആത്യന്തികമായി ഉപഭോക്തൃ അനുഭവം എന്നിവയ്ക്ക് ശക്തി നൽകുന്നു. നിങ്ങൾ ഇത് ഒരു പങ്കാളിയുമായി സ്കെയിൽ ചെയ്യാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ഷൈപ്പിന്റെ സംഭാഷണ AI ഡാറ്റ സേവനങ്ങൾ ശേഖരണം, ട്രാൻസ്ക്രിപ്ഷൻ, വ്യാഖ്യാനം എന്നിവ അവസാനം മുതൽ അവസാനം വരെ കൈകാര്യം ചെയ്യുന്നു. ഉച്ചാരണങ്ങൾ വൈവിധ്യമാർന്നതും പ്രതിനിധീകരിക്കുന്നതും നന്നായി ലേബൽ ചെയ്തതുമാകുമ്പോൾ, നിങ്ങളുടെ മോഡലുകൾ ഉദ്ദേശ്യങ്ങൾക്കിടയിലുള്ള ശരിയായ അതിരുകൾ പഠിക്കുകയും കുഴപ്പം നിറഞ്ഞതും യഥാർത്ഥ ലോക ഇൻപുട്ട് സമചിത്തതയോടെ കൈകാര്യം ചെയ്യുകയും ചെയ്യുന്നു.

നിങ്ങളുടെ ഉച്ചാരണ ശേഖരം നിർമ്മിക്കുന്നു: ഒരു ലളിതമായ വർക്ക്ഫ്ലോ

1. യഥാർത്ഥ ഉപയോക്തൃ ഭാഷയിൽ നിന്ന് ആരംഭിക്കുക

ചാറ്റ് ലോഗുകൾ, തിരയൽ അന്വേഷണങ്ങൾ, IVR ട്രാൻസ്ക്രിപ്റ്റുകൾ, ഏജന്റ് കുറിപ്പുകൾ , ഉപഭോക്തൃ ഇമെയിലുകൾ എന്നിവ മൈൻ ചെയ്യുക . ഉദ്ദേശ്യങ്ങൾ വിതയ്ക്കുന്നതിന് ഉപയോക്തൃ ലക്ഷ്യം അനുസരിച്ച് അവയെ ക്ലസ്റ്റർ ചെയ്യുക. (ഒരു മുറിയിൽ നിങ്ങൾ ചിന്തിക്കാത്ത സംഭാഷണ ശൈലികളും മാനസിക മാതൃകകളും നിങ്ങൾ പകർത്തും.)

2. ഉദ്ദേശ്യത്തോടെ വ്യതിയാനം സൃഷ്ടിക്കുക

ഓരോ ഉദ്ദേശ്യത്തിനും, രചയിതാവ് വൈവിധ്യമാർന്ന ഉദാഹരണങ്ങൾ നൽകുന്നു:

• ക്രിയകളും നാമങ്ങളും (“റദ്ദാക്കുക,” “നിർത്തുക,” “അവസാനിപ്പിക്കുക”; “പ്ലാൻ ചെയ്യുക,” “സബ്‌സ്‌ക്രിപ്‌ഷൻ”) പുനഃക്രമീകരിക്കുക.
• വാക്യ ദൈർഘ്യവും ഘടനയും (ചോദ്യം, നിർദ്ദേശകം, ശകലം) മിക്സ് ചെയ്യുക.
• അക്ഷരത്തെറ്റുകൾ, ചുരുക്കെഴുത്തുകൾ, ഇമോജികൾ (ചാറ്റിനായി), പ്രസക്തമായിടത്ത് കോഡ് മാറ്റം എന്നിവ ഉൾപ്പെടുത്തുക.
• സമാനമായി തോന്നുന്നതും എന്നാൽ അങ്ങനെ ചെയ്യേണ്ടതുമായ നെഗറ്റീവ് കേസുകൾ ചേർക്കുക. അല്ല ഈ ഉദ്ദേശ്യത്തിലേക്കുള്ള മാപ്പ്.

3. നിങ്ങളുടെ ക്ലാസുകൾ സന്തുലിതമാക്കുക

വളരെ തെറ്റായ പരിശീലനം (ഉദാഹരണത്തിന്, ഒരു ഉദ്ദേശ്യത്തിന് 500 ഉദാഹരണങ്ങളും മറ്റുള്ളവയ്ക്ക് 10 ഉദാഹരണങ്ങളും) പ്രവചന ഗുണനിലവാരത്തെ ദോഷകരമായി ബാധിക്കുന്നു. ട്രാഫിക് നിങ്ങളെ പഠിപ്പിക്കുന്നതുപോലെ ഉദ്ദേശ്യ വലുപ്പങ്ങൾ താരതമ്യേന തുല്യമായി നിലനിർത്തുകയും അവയെ ഒരുമിച്ച് വളർത്തുകയും ചെയ്യുക.

4. പരിശീലനത്തിന് മുമ്പ് ഗുണനിലവാരം പരിശോധിക്കുക

രചന/ശേഖരണം സമയത്ത് വാലിഡേറ്ററുകൾ ഉപയോഗിച്ച് ലോ-സിഗ്നൽ ഡാറ്റ തടയുക :

• ഭാഷാ തിരിച്ചറിയൽ: ഉദാഹരണങ്ങൾ ലക്ഷ്യ ഭാഷയിലാണെന്ന് ഉറപ്പാക്കുക.
• ജീർണിഷ് ഡിറ്റക്ടർ: അർത്ഥശൂന്യമായ ചരടുകൾ പിടിക്കുക.
• ഡ്യൂപ്ലിക്കേറ്റ്/ഏകദേശം ഡ്യൂപ്ലിക്കേറ്റ് പരിശോധനകൾ: വൈവിധ്യം ഉയർന്ന നിലയിൽ നിലനിർത്തുക.
• റെജക്സ്/സ്പെല്ലിംഗ് & വ്യാകരണം: ആവശ്യമുള്ളിടത്ത് സ്റ്റൈൽ നിയമങ്ങൾ നടപ്പിലാക്കുക.
  സ്മാർട്ട് വാലിഡേറ്ററുകൾക്ക് (അപ്പെൻ ഉപയോഗിക്കുന്നത് പോലെ) ഈ ഗേറ്റ് കീപ്പിംഗിന്റെ വലിയ ഭാഗങ്ങൾ ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിയും.

5. എന്റിറ്റികളെ സ്ഥിരമായി ലേബൽ ചെയ്യുക

സ്ലോട്ട് തരങ്ങൾ (തീയതികൾ, ഉൽപ്പന്നങ്ങൾ, വിലാസങ്ങൾ) നിർവചിക്കുകയും അതിരുകൾ എങ്ങനെ അടയാളപ്പെടുത്താമെന്ന് വ്യാഖ്യാനകർക്ക് കാണിക്കുകയും ചെയ്യുക . LUIS-ലെ Pattern any പോലുള്ള പാറ്റേണുകൾക്ക് മോഡലുകളെ ആശയക്കുഴപ്പത്തിലാക്കുന്ന നീണ്ട, വേരിയബിൾ സ്പാനുകൾ (ഉദാ: ഡോക്യുമെന്റ് നാമങ്ങൾ) അവ്യക്തമാക്കാൻ കഴിയും.

6. അതിന്റെ ഉൽപ്പാദനം പോലെ പരീക്ഷിക്കുക

കാണാത്ത യഥാർത്ഥ പ്രസ്താവനകളെ ഒരു പ്രവചന എൻഡ്‌പോയിന്റിലേക്കോ സ്റ്റേജിംഗ് ബോട്ടിലേക്കോ തള്ളുക , തെറ്റായ വർഗ്ഗീകരണങ്ങൾ അവലോകനം ചെയ്യുക, അവ്യക്തമായ ഉദാഹരണങ്ങളെ പരിശീലനത്തിലേക്ക് പ്രോത്സാഹിപ്പിക്കുക . ഇത് ഒരു ലൂപ്പാക്കുക: ശേഖരിക്കുക → പരിശീലിപ്പിക്കുക → അവലോകനം → വികസിപ്പിക്കുക.

"കുഴപ്പകരമായ യാഥാർത്ഥ്യം" എന്നാൽ എന്താണ് അർത്ഥമാക്കുന്നത് (അത് എങ്ങനെ കൈകാര്യം ചെയ്യാം)

യഥാർത്ഥ ഉപയോക്താക്കൾ അപൂർവ്വമായി മാത്രമേ പൂർണ്ണമായ വാക്യങ്ങളിൽ സംസാരിക്കാറുള്ളൂ. പ്രതീക്ഷിക്കുക:

• ശകലങ്ങൾ: "ഷിപ്പിംഗ് ഫീസ് റീഫണ്ട് ചെയ്യുക"
• സംയുക്ത ലക്ഷ്യങ്ങൾ: "ഓർഡർ റദ്ദാക്കി നീല നിറത്തിൽ പുനഃക്രമീകരിക്കുക"
• വ്യക്തമായ എന്റിറ്റികൾ: "എന്റെ ഓഫീസിലേക്ക് അയയ്ക്കുക" (ഏത് ഓഫീസ് ആണെന്ന് നിങ്ങൾ അറിഞ്ഞിരിക്കണം)
• അവ്യക്തത: "എന്റെ പ്ലാൻ മാറ്റൂ" (ഏത് പ്ലാൻ? എപ്പോൾ പ്രാബല്യത്തിൽ വരും?)

പ്രായോഗിക പരിഹാരങ്ങൾ

• നൽകാൻ വ്യക്തത വരുത്തൽ നിർദ്ദേശങ്ങൾ ആവശ്യമുള്ളപ്പോൾ മാത്രം; അമിതമായി ചോദിക്കുന്നത് ഒഴിവാക്കുക.
• ക്യാപ്ചർ കോൺടെക്‌സ്റ്റ് ക്യാരിഓവർ (“ആ ക്രമം,” “അവസാനത്തേത്” പോലുള്ള സർവ്വനാമങ്ങൾ).
• ഉപയോഗം ഫോൾബാക്ക് ഉദ്ദേശ്യങ്ങൾ ലക്ഷ്യം വച്ചുള്ള വീണ്ടെടുക്കലിനൊപ്പം: "പ്ലാനുകൾ റദ്ദാക്കാനോ മാറ്റാനോ എനിക്ക് സഹായിക്കാനാകും - നിങ്ങൾക്ക് എന്താണ് വേണ്ടത്?"
• നിരന്തരം നിരീക്ഷിക്കുക ഇന്റെന്റ് ഹെൽത്ത് (ആശയക്കുഴപ്പം, കൂട്ടിയിടി) കൂടാതെ ഡാറ്റ ദുർബലമായിടത്ത് ചേർക്കുക.