Kontextuelle Entities werden verwendet, um Entities in Expressions zu erkennen, indem der Kontext des Satzes dieses Ausdrucks verwendet wird.
Zum Beispiel, in dem Ausdruck:
Ich möchte einen Zug von Brüssel nach Amsterdam buchen.
Die beiden hier genannten Städtenamen werden aufgrund des Kontexts des Ausdrucks, in dem sie stehen, entweder als @Abfahrt oder @Ziel erkannt.
Wann kontextuelle Entities zu verwenden sind
Stelle dir vor, Du bist ein Obsthändler, der Äpfel, Birnen, Bananen und Ananas verkauft. Dein Chatbot kann Menschen helfen, Obst zu bestellen und nach dem Preis zu fragen. Schauen wir uns den Anwendungsfall der Preisgestaltung für Äpfel an. Einige Beispielausdrücke könnten sein:
- Wie hoch ist der Preis von Äpfeln?
- Wie viel kostet ein Apfel?
- Wie hoch ist der Preis der Äpfel?
Natürlich können diese Ausdrücke nicht nur für Äpfel, sondern auch für Birnen, Bananen und Ananas verwendet werden. Heißt das, dass Du jeden Ausdruck kopieren und die Früchte ersetzen musst? Nein, Du kannst einfach kontextuelle Entities verwenden!
Erstelle eine kontextuelle Entity namens "fruit" und füge die folgenden Werte hinzu:
- Apfel
- Banane
- Birne
- Ananas
In diesem Fall empfehlen wir, das Fuzzy-Matching zu aktivieren, damit der Bot auch "Äpfel" und den Plural der anderen Früchte erkennt. Weitere Informationen zum Fuzzy-Matching finden Sie im nächsten Abschnitt.
Jetzt kannst Du einfach einen Ausdruck mit der kontextuellen Entity darin erstellen:
- Wie hoch ist der Preis von @Frucht?
- Wie viel kostet eine @Frucht?
Jetzt wird dein Bot jeden Ausdruck verstehen, auch wenn sich die Frucht ändert!
Wenn Du kontextbezogene Entityvariablen hinzufügst, musst Du keine groß- und kleingeschriebenen Wörter hinzufügen. Der gesamte Text wird vom NLP vor der Erkennung in Großbuchstaben umgewandelt, sodass "api" nicht anders als "API" erkannt wird.
Unscharfer Abgleich
Der unscharfe Abgleich ermöglicht es dir, eine leichte Variation eines kontextuellen Entitywertes (oder seines Synonyms) als den ursprünglichen Wert zu erkennen.
So wird z. B. Brusselt automatisch auf Brüssel korrigiert, wenn der Fuzzy-Abgleich aktiviert ist.
Erstellen einer kontextuellen Entity
Schauen wir uns an, wie wir eine kontextuelle Entity verwenden können, um die Art der Pizza zu bestimmen, die dein Kunde bestellt.
Um eine kontextuelle Entity zu erstellen:
- Gehe auf die Seite Entity und klicke auf Kontextuelle Entity.
- Um eine neue Entity hinzuzufügen, klicke auf Kontextuelle Entity hinzufügen.
- Vergebe einen Namen für deine Entity. Verwende bei der Benennung deiner Entität bitte keine Leerzeichen. Fülle die Entitieswerte mit Pizzatypen aus und füge Synonyme für jeden Wert hinzu, damit der Bot verstehen kann, wenn dein Kunde es anders ausdrückt.
- Klicke "Entity"
Hinzufügen von Kontextentities zu Intents
So fügst Du kontextuelle Entities in Trainingsausdrücke für Intents ein:
- Füge eine neue Absicht zu deinem Bot hinzu. Nenne ihn in diesem Beispiel "Pizza bestellen".
- Für dieses Beispiel gehen wir davon aus, dass Du bereits eine kontextuelle Entity @pizza_type erstellt hast. Füge Ausdrücke mit dieser soeben erstellten Entität hinzu, indem Du "@" eingibst. Es erscheint ein Dropdown-Menü, in dem Du deine erstellte Entity "@pizza_type" findest
- Um das Verständnis des Bots für die Absicht "Pizza bestellen" zu verbessern, musst Du zusätzliche Ausdrücke unter Verwendung der @pizza-Entität hinzufügen oder generieren. Je mehr Ausdrücke Du hinzufügst, desto besser wird die Leistung des Bots.
- Nachdem Du genügend Ausdrücke hinzugefügt hast, vergesse nicht, deinen Bot zu trainieren, damit er die neuesten Änderungen, die Du gerade vorgenommen hast, lernen kann.
-
Verknüpfe dein Intent mit deinem Bot.
-
Teste deinen Bot
Siehe auch:
[Neuer Bot Builder] Erkennen von Ausdrücken in Entities
