Добавьте самоанализ и сопереживание своему чат-боту

Добавьте самоанализ и сопереживание своему чат-боту

И использование IBM Watson Assistant для наблюдения, устранения неоднозначности и автоматического обучения на основе разговоров

Введение

Во-первых, чат-боту требуется источник данных для обучения. Данные обучения разбиваются на намерения, объекты, диалог и диалог возврата/бота.

Эти данные могут быть придуманы создателями чат-бота, или, в идеале, в качестве источника данных могут использоваться живые чаты агентов.

Другие каналы обслуживания клиентов также могут служить источником данных.

Это могут быть запросы по электронной почте, расшифровки телефонных звонков и т. д.

Но как только чат-бот будет запущен, что будет лучшим способом для постоянного улучшения?

Ключевые моменты подхода IBM Watson Assistant:

• Наблюдайте за разговорами с клиентами
• Когда возникает двусмысленность, предоставьте пользователю несколько соответствующих вариантов.
• Впоследствии разрешите пользователям устранять неоднозначность
• Учитесь у пользователей и используйте их в чат-боте.

IBM Watson Assistant позволяет выбрать в качестве источника данных помощника,который активно обменивается сообщениями с клиентами. Подробнее об этом принципе читайте далее в разделе Наблюдающий агент.

Наблюдения от чат-бота используются для:

• Автообучение
• Намерения и пример обучения намерениям Рекомендации

Автообучение можно описать как процесс:

• Упорядочивание вариантов устранения неоднозначности в соответствии с точностью на основе выбора пользователя.
• Уменьшение количества вариантов по мере того, как ответы уточняются на основе поведения пользователя.
• До такой степени, когда Watson Assistant может точно представить один ответ.

Намерение и пример обучения намерения Рекомендации:

• Генерируются из разговоров пользователей.
• Это очень важный источник данных, так как это то, о чем хотят поговорить ваши пользователи.
• Этот процесс может выявить намерения, которые не были учтены в чат-боте, что приведет к отрицанию отсутствия намерений или ложных оценок вне домена.
• Дополнительные пользовательские примеры могут быть собраны и добавлены к намерениям.

Помощник по наблюдению

Когда вы подключаете живого помощника в качестве источника данных для рекомендаций, вы включаете наблюдение. Когда вы включаете автообучение, вы используете полученные знания для улучшения своих навыков, что приводит к улучшению качества обслуживания клиентов.

Навык или несколько навыков составляют помощника. Живой помощник используется для реальных разговоров с клиентами.

Навык может быть связан с несколькими помощниками, поэтому выбор помощника-наблюдателя важен, так как он определяет, где будет проявляться навык. Это может повлиять на поведение пользователя.

Разговоры пользователей используются для намерений и рекомендаций по примерам обучения намерений.

Как видно ниже, перечислены три элемента; Устранение неоднозначности, помощник по наблюдению и автообучение.

Устранение неоднозначности можно использовать в автономном режиме. Автообучение требует определения помощника по наблюдению.

Многозначность

Устранение неоднозначности в своей простейшей форме, когда пользователь задает вопрос, который помощник не уверен, что понимает, чат-бот может представить пользователю список вариантов и попросить клиента выбрать правильный.

Этот процесс называется устранением неоднозначности.

Если при отображении аналогичного списка вариантов клиенты чаще всего выбирают один и тот же вариант № 2, например, ваш навык может быть использован на этом опыте.

Он может узнать, что вариант № 2 — лучший ответ на этот тип вопроса. И в следующий раз он может указать вариант № 2 в качестве первого выбора, чтобы клиенты могли быстрее добраться до него.

И, если шаблон сохраняется с течением времени, он может еще больше изменить свое поведение. Вместо того, чтобы заставлять клиента выбирать из списка вариантов, он может немедленно вернуть вариант № 2 в качестве ответа.

Предпосылка этой функции состоит в том, чтобы со временем улучшить процесс устранения неоднозначности до такой степени, что в конечном итоге правильный вариант будет представлен пользователю автоматически. Следовательно, чат-бот учится устранять неоднозначность от имени пользователя.

Каждое диалоговое окно можно настроить так, чтобы оно включалось или исключалось из устранения неоднозначности с помощью переключателя. Имена узлов представлены пользователю как имя опции. Следовательно, имена диалоговых узлов должны быть описательными и полезными для пользователя, а не загадочными.

Конечно, обучающие данные и примеры не должны излишне создавать двусмысленность. Следовательно, данные обучения должны быть проверены; намерения должны быть правильно сгруппированы, и обучающие данные, описывающие намерения, должны точно описывать намерение. Наложения создают путаницу и непоследовательность.

Автоматическое обучение

Сначала Watson Assistant перемещает лучший ответ в начало списка устранения неоднозначности.

Далее Watson Assistant уменьшает количество других параметров в списке.

В конечном счете Watson Assistant может полностью заменить список значений неоднозначности одним лучшим ответом. Чем выше процент одиночных ответов, тем лучше.

Выше пояснение от IBM о том, как работает автообучение.

Вывод

Принципы, используемые Watson Assistant, по своей сути очень хорошо подходят для встраивания в более масштабные реализации.

Идея использовать разговоры с клиентами для автоматического улучшения чат-бота говорит об основных принципах самоанализа и эмпатии.

Эмпатия, поскольку структура ориентирована на разговоры, которые пользователь хочет вести, и соответствует потребностям пользователя.

Самоанализ говорит об осведомленности чат-бота о том, что он не может дать самый правильный ответ на заданный ответ. следовательно, отвечая пользователю несколькими соответствующими вариантами и извлекая уроки из поведения клиентов.