I vores daglige samtaler støder vi på nye ord eller udtryk, som vi måske ikke kender. Måske er disse relateret til et nyt domæne, som vi lige er blevet bekendt med, og vi samler disse op, efterhånden som vi forstår mere om domænet. For eksempel er boliglånsterminologi ("indskrænkning"), forkortede ord ("refi", "comps") og akronymer ("HELOC") sandsynligvis nye for førstegangskøbere af boliger. På samme måde kan mærkenavne være vanskelige, når du først hører om dem. For eksempel med sætningen "Jeg vil gerne have en Cyetus 7601", medmindre du er en kaffeaficionado, er du måske ikke klar over, at højttaleren taler om et kaffemaskinemærke. Nogle af disse ord findes måske ikke engang i ordbogen. Når vi forstår deres brug, betydning og stavning, bliver de en del af vores ordforråd, så vi kan have effektive samtaler.
På samme måde skal bots forstå og tilføje sådanne ord til deres ordforråd. Fra i dag kan du give Amazon Lex yderligere oplysninger om, hvordan man behandler taleinput ved at oprette et brugerdefineret ordforråd. Du kan oprette en liste med domænespecifikke ord eller brandnavne for forbedret talegenkendelse og slutbrugeroplevelse.
I dette indlæg gennemgår vi den tilpassede ordforrådsfunktion og bruger den til kundeservicetransaktioner og forespørgsler til boliglån.
Oversigt over den tilpassede ordforrådskapacitet
Du definerer det brugerdefinerede ordforråd for et sprog i botten. I dette tilfælde tilføjer vi mærkenavne og domænespecifikke ord og sætninger på engelsk (GB). Botten bruger disse sætninger til transskription af taleinput, når den forsøger at forstå brugerens anmodning (eller hensigtsklassificering). Du kan også udvide det brugerdefinerede ordforråd med information, du skal indsamle (eller fremkaldelse af slot) ved at konfigurere en indstilling på slottypen. Du kan angive graden af forstærkning for hvert ord eller hver sætning ved at konfigurere en vægt på 1, 2 eller 3. Vi anbefaler, at du prøver forskellige vægte. Ord, der normalt er svære at genkende eller udtale, bør have en højere vægt.
Følgende er et eksempel på en samtale med vores bot:
Virtuel agent: Velkommen til ACME bank. Hvordan kan jeg hjælpe dig?
Ringer: Tilbyder du CapitaRise lån?
Virtuel agent: Vi tilbyder CapitaRise-lån til personlige formål. Vil du have gang i en ansøgning?
Ringeren: Nej, tak.
Virtuel agent: Er der andet, jeg kan hjælpe dig med i dag?
Ringer op: Hvad med din ref satser?
Virtuel agent: Til refinansiering tilbyder vi 4.5 % uden lukkeomkostninger i en fast periode på 30 år. Andre oplysninger, du kunne være interesseret i?
Ringer: Ja, hvad med SBA?
Virtuel agent: Vi tilbyder en række forskellige administrationslån til små virksomheder. Du kan finde mere information på vores hjemmeside. Noget andet jeg kan gøre for dig?
Ringer op: Jeg vil gerne betale på min HELOC.
Virtuel agent: Hvad er konto-id'et for at fortsætte med en betaling?
Ringer op: 1234
Virtuel agent: Tak. Hvad er betalingsbeløbet?
Ringer op: 120
Virtuel agent: Tak. Betalingen skal behandles inden for 1 til 2 hverdage. Noget andet jeg kan hjælpe dig med?
Ringeren: Nej, det er det.
Virtuel agent: Tak. Hav en god dag.
Løsningsoversigt
Lad os gennemgå den overordnede arkitektur for løsningen (se følgende diagram):
- Vi bruger en Amazon Lex-bot integreret med en Amazon Connect kontaktflow for at levere samtaleoplevelsen
- Vi definerer det brugerdefinerede ordforråd for det engelske (GB) sprog ved at tilføje ord som "CapitaRise", "HELOC" og "refi" sammen med vægte
- Efter at den, der ringer, er godkendt, overføres kontrollen til botten for at udføre transaktioner (for eksempel for at behandle betaling)
Den brugerdefinerede ordforrådsfil er en tabulatorsepareret liste over værdier, der indeholder den sætning, der skal genkendes, og en vægt for at give boostet. Sætninger med en højere boostværdi er mere tilbøjelige til at blive brugt, når de vises i lydindgangen.
Implementer Amazon Lex-eksemplet
For at oprette prøve-bot og konfigurere tilpasset ordforråd, udfør følgende trin. Dette skaber en Amazon Lex-bot calledFinanceBot
, med hensigter PersonalLoan
, BusinessLoan
, InterestRateRefinancing
, InterestRateCredit
, Payment
, Welcome
og Goodbye
, samt to slottyper (accountNumber
, confirmationSlot
).
- Download Amazon Lex bot.
- På Amazon Lex-konsollen skal du vælge handlinger, Importere.
- Vælg filen FinanceBot.zip-fil, som du downloadede, og vælg Importere.
- I IAM-tilladelser afsnit, for Runtime rolle, vælg Opret en ny rolle med grundlæggende Amazon Lex-tilladelser.
- På Amazon Lex-konsollen skal du navigere til botten
FinanceBot
. - Download .zip-filen med de sætninger, du vil føje til det brugerdefinerede ordforråd.
- På bot-detaljesiden i Tilføj sprog sektion, skal du vælge Se sprog.
- Vælg fra listen over sprog Engelsk (GB).
- I Tilpasset ordforråd sektion, skal du vælge Importere.
- Gå til filen, der skal importeres, indtast om nødvendigt en adgangskode, og vælg derefter Importere.
- Vælg Byg.
- Download den understøttende AWS Lambda kode.
- På Lambda-konsollen skal du oprette en ny funktion og vælge Forfatter fra bunden.
- Til Funktionsnavngå ind
FinanceBotEnglish
. - Til Runtime, vælg Python 3.8.
- Vælg Opret funktion.
- I Kildekode sektion, åben
lambda_function.py
og slet den eksisterende kode. - Download koden og åbn den i en teksteditor.
- Kopiér og indsæt koden i den tomme lambda_function.py fane.
- Vælg Implementer.
- På Amazon Lex-konsollen, og åbn
FinanceBot
. - Vælg Deployment og så aliasser, efterfulgt af
TestBotAlias
. - På aliasser side, i Sprog sektion, naviger til Engelsk (GB).
- Til Kilde, Vælg
FinanceBotEnglish
. - Til Lambda version eller alias, gå ind
$LATEST
. - På Amazon Connect-konsollen skal du vælge Kontaktstrømme.
- Download kontakt flow at integrere med Amazon Lex-bot.
- I Amazon Lex-sektionen skal du vælge din Amazon Lex-bot og gøre den tilgængelig til brug i Amazon Connect-kontaktstrømmene.
- Vælg kontaktflowet for at indlæse det i applikationen.
- Sørg for, at den rigtige bot er konfigureret i "Get Customer Input"-blokken.
- Vælg en kø i blokken "Indstil arbejdskø".
- Tilføj et telefonnummer til kontaktforløbet.
- Test IVR-flowet ved at ringe ind på telefonnummeret.
Test løsningen
Du kan ringe ind til Amazon Connect-telefonnummeret og interagere med botten.
Konklusion
Tilpasset ordforråd muliggør forbedret genkendelse af domænespecifikke ord og brandnavne til talemodalitet. Du kan nemt definere det brugerdefinerede ordforråd for din Amazon Lex-bot og udvide det til botdefinitionen. Med forbedret genkendelse kan du aktivere mere effektive samtaler på tværs af et bredere sæt af use cases. Du kan konfigurere brugerdefineret ordforråd ved hjælp af Amazon Lex V2-konsollen eller via API'et. Muligheden er tilgængelig for engelsk (US) og engelsk (GB) i alt AWS-regioner hvor Amazon Lex opererer. For at lære mere, se brugerdefineret ordforråd dokumentation.
Om forfatterne
Kai Loreck er en professionel Amazon Connect-konsulent. Han arbejder med at designe og implementere skalerbare kundeoplevelsesløsninger. I sin fritid kan han blive fundet ved at dyrke sport, snowboarde eller vandre i bjergene.
Anubhav Mishra er produktchef hos AWS. Han bruger sin tid på at forstå kunder og designe produktoplevelser for at løse deres forretningsmæssige udfordringer.
Mebz Qazi er en seniorkonsulent, der arbejder på globale projekter for AWS. Han nyder meget at arbejde med teknologisk innovation inden for naturligt sprog og AI/ML.
Sravan Bodapati er Applied Science Manager hos AWS Lex. Han fokuserer på at opbygge banebrydende kunstig intelligens og maskinlæringsløsninger til AWS-kunder i ASR- og NLP-området. I sin fritid nyder han at vandre, lære økonomi, se tv-serier og tilbringe tid med sin familie.
- "
- 100
- Om
- Konto
- tværs
- Yderligere
- adresse
- admin
- Alle
- Amazon
- beløb
- api
- Anvendelse
- arkitektur
- kunstig
- kunstig intelligens
- Kunstig intelligens og maskinlæring
- lyd
- autentificeret
- til rådighed
- AWS
- Bank
- bliver
- Bloker
- fremme
- Bot
- bots
- Bygning
- virksomhed
- købere
- ringe
- Caller
- tilfælde
- udfordringer
- Vælg
- klassificering
- lukning
- kode
- Kaffe
- indsamler
- Kom
- Tilslut
- Konsol
- konsulent
- kontakt
- kontrol
- Samtale
- samtaler
- Omkostninger
- skabe
- skaber
- Oprettelse af
- skik
- kunde
- Kundeoplevelse
- Kundeservice
- Kunder
- dag
- designe
- detail
- forskellige
- svært
- domæne
- nemt
- Økonomi
- Edge
- editor
- Effektiv
- muliggøre
- Engelsk
- Indtast
- eksempel
- eksisterende
- erfaring
- Oplevelser
- familie
- Fornavn
- flow
- fokuserer
- efter
- fundet
- funktion
- få
- Global
- stor
- hjælpe
- højere
- Home
- Hvordan
- How To
- HTTPS
- gennemføre
- forbedret
- oplysninger
- Innovation
- indgang
- integrere
- integreret
- Intelligens
- hensigt
- interesseret
- IT
- Sprog
- Sprog
- LÆR
- læring
- Sandsynlig
- Liste
- belastning
- Lån
- maskine
- machine learning
- leder
- betyder
- mere
- navne
- Natural
- nødvendig
- nummer
- tilbyde
- åbent
- Andet
- samlet
- Adgangskode
- betaling
- måske
- personale
- sætninger
- spiller
- præsentere
- behandle
- Produkt
- professionel
- projekter
- formål
- priser
- indse
- genkende
- anbefaler
- anmode
- gennemgå
- skalerbar
- Videnskab
- tjeneste
- Tjenester
- sæt
- indstilling
- Tilsvarende
- lille
- Small Business
- So
- løsninger
- Løsninger
- nogle
- Space
- Højttaler
- udgifterne
- Sport
- påbegyndt
- Støtte
- taler
- teknologisk
- terminologi
- tid
- i dag
- Transaktioner
- tv
- forstå
- forståelse
- us
- brug
- sædvanligvis
- værdi
- række
- Hjemmeside
- velkommen
- Hvad
- Hvad er
- inden for
- ord
- arbejder
- virker
- ville
- år