CLOVA Chatbot场景
  • PDF

CLOVA Chatbot场景

  • PDF

NAVER Cloud Platform的CLOVA Chatbot服务提供可快速轻松地创建Chatbot的环境。您可以通过CLOVA Chatbot服务创建Chatbot并关联多种渠道。创建Chatbot的阶段主要分为设计Chatbot、申请服务使用、创建域、创建对话、构建、测试以及与即时通讯和外部服务进行关联的阶段。由于各阶段均需要进行详细的设置,因此请参考有关各阶段的详细说明。

申请使用服务

为使用CLOVA Chatbot服务,需要在NAVER Cloud Platform的控制台中完成服务使用申请。本服务使用条款包括CLOVA Chatbot服务中产生的数据保存与使用、个人信息的委托与受托、公司义务及客户义务等相关内容。在计划使用服务之前请务必确认条款内容。

参考

设计Chatbot

该阶段中主要设计Chatbot的目的、服务响应范围和主要场景。具体需要进行Chatbot的响应范围、对话结构设计、主要场景和失败场景设计、API设计等操作。

参考
  • 在设计Chatbot之前需要考虑的有关事项,请参考设计Chatbot

创建域

域是Chatbot服务的标准单位,为创建Chatbot而进行的第一阶段是创建域。例如,在创建充当“NAVER Cloud Platform客户支持”的Chatbot时,包含该Chatbot全部对话的单位将构成一个域。因此,创建对话、关联渠道和统计信息的操作和管理都以一个域为基准进行。CLOVA Chatbot支持多国语言,所选语言的特征将反映于自然语言的处理和学习过程中。

参考
  • 关于创建域的方法,请参考创建域
  • 通过使用内置域可以参考已创建的Chatbot域。

创建对话

Chatbot Builder是输入并测试Chatbot对话数据集的Web控制台,提供开发Chatbot所需的多种功能。在Chatbot Builder中,对话是最基本的数据单位。对话由问题和回复成对组成。对话模型对添加了成对问题和回复的对话数据进行学习后,在用户输入问题时,搜索并应答最合适的回复。
具体需要进行对话创建、实体创建、用户的预测对话收集、通用消息创建、对话连接、API开发等操作。

参考

构建

构建方式
NLP(Natural Language Processing)是分析自然语言的基础,分析的是问题数据和回复数据中句子的语素。之后的NLU(Natural Language Understanding)阶段判断句子的含义以及最相近的回复。另外,在学习时通过与NAVER词典匹配,完成一般的实体匹配过程。若在特定域内仅标记需要学习的实体,引擎将在学习过程中包含该标记内容。

构建时间
CLOVA Chatbot在对话数据集的基础上进行学习。因此,建议对服务状态处于“ON”的对话添加3个以上问题数据,使用语言须和域的自然语言保持一致。如果仅添加一个对话执行学习,会因数据集过小而导致学习失败,因此至少须输入3个以上的对话数据集才能进行测试。学习100个以下的对话数据集时,需要5~10分钟的学习时间;根据数据量,学习时间可能需要几分钟到几小时的时间。

构建资源
NAVER Cloud Platform的Chatbot Builder为了加快处理学习进程而使用GPU。Chatbot引擎提供多种级别的学习模型,而非单单一种。例如,构建后可在测试菜单下立即测试正在构建的模型能否正常给予回复。

参考
  • 关于对话模型的构建方法,请参考构建

测试

若想提高用户对Chatbot的满意度,则需要执行足够的测试。完成模型学习后,须转入验证阶段,测试已学习内容是否遵循Chatbot创建者所预定的设计流程运行以及有无需要改进的部分。为此,NAVER Cloud Platform的Chatbot Builder提供高级测试工具,使创建者可以选择测试环境并手动测试已学习的对话。

参考
  • 关于测试的方法,请参考测试
  • 在测试之前必须完成构建。若未构建,则不会进行测试。

关联

完成Chatbot创建、测试和部署后,可以将Chatbot与其他即时通讯或与外部解决方案(例如知识数据库、LINE Pay等)进行关联。

参考

重新学习

重新学习是根据用户的对话记录掌握用户与Chatbot之间进行的对话,并将Chatbot没有回复的用户问题反映到对话中的过程。

参考

关于重新学习的说明,请参考重新学习


本文是否有帮助