In unseren täglichen Gesprächen stoßen wir auf neue Wörter oder Begriffe, die wir vielleicht nicht kennen. Vielleicht beziehen sich diese auf eine neue Domäne, mit der wir uns gerade vertraut machen, und wir greifen diese auf, wenn wir mehr über die Domäne verstehen. Beispielsweise sind die Terminologie für Wohnungsbaudarlehen („Kürzung“), abgekürzte Wörter („refi“, „comps“) und Akronyme („HELOC“) für Erstkäufer von Eigenheimen wahrscheinlich neu. Ebenso können Markennamen schwierig sein, wenn Sie zum ersten Mal davon hören. Mit dem Satz „Ich möchte gerne ein Cyetus 7601“, es sei denn, Sie sind ein Kaffeekenner, werden Sie vielleicht nicht bemerken, dass der Redner über eine Kaffeemaschinenmarke spricht. Einige dieser Wörter sind möglicherweise nicht einmal im Wörterbuch vorhanden. Sobald wir ihre Verwendung, Bedeutung und Rechtschreibung verstehen, werden sie Teil unseres Vokabulars, damit wir effektive Gespräche führen können.
Ebenso müssen Bots solche Wörter verstehen und ihrem Wortschatz hinzufügen. Ab heute können Sie spenden Amazon Lex zusätzliche Informationen zur Verarbeitung von Spracheingaben durch Erstellen eines benutzerdefinierten Vokabulars. Sie können eine Liste mit domänenspezifischen Wörtern oder Markennamen erstellen, um die Spracherkennung und das Endbenutzererlebnis zu verbessern.
In diesem Beitrag überprüfen wir das benutzerdefinierte Vokabular und verwenden es für Transaktionen und Anfragen des Kundendienstes für Wohnungsbaudarlehen.
Überblick über die benutzerdefinierte Vokabularfunktion
Sie definieren das benutzerdefinierte Vokabular für eine Sprache im Bot. In diesem Fall fügen wir Markennamen und domänenspezifische Wörter und Ausdrücke in Englisch (GB) hinzu. Der Bot verwendet diese Ausdrücke zur Transkription von Spracheingaben, wenn er versucht, die Anfrage des Benutzers (oder die Absichtsklassifizierung) zu verstehen. Sie können das benutzerdefinierte Vokabular auch mit Informationen erweitern, die Sie sammeln müssen (oder Slot-Erhebung), indem Sie eine Einstellung für den Slot-Typ konfigurieren. Sie können den Verstärkungsgrad für jedes Wort oder jeden Satz festlegen, indem Sie eine Gewichtung von 1, 2 oder 3 konfigurieren. Wir empfehlen Ihnen, verschiedene Gewichtungen auszuprobieren. Wörter, die normalerweise schwer zu erkennen oder auszusprechen sind, sollten ein höheres Gewicht haben.
Das Folgende ist ein Beispiel für eine Konversation mit unserem Bot:
Virtueller Agent: Willkommen bei der ACME Bank. Womit kann ich Ihnen behilflich sein?
Anrufer: Bieten Sie an CapitaRise Darlehen?
Virtueller Agent: Wir bieten CapitaRise-Darlehen für persönliche Zwecke an. Möchten Sie eine Anwendung starten?
Anrufer: Nein danke.
Virtueller Agent: Gibt es sonst noch etwas, bei dem ich Ihnen heute helfen kann?
Anrufer: Wie wäre es mit Ihrer Ref Preise?
Virtueller Agent: Für die Refinanzierung bieten wir 4.5 % ohne Abschlusskosten für 30 Jahre fest. Andere Informationen, die Sie interessieren könnten?
Anrufer: Ja, wie wär's SBA?
Virtueller Agent: Wir bieten eine Vielzahl von Verwaltungsdarlehen für kleine Unternehmen an. Weitere Informationen finden Sie auf unserer Website. Kann ich noch irgendetwas für dich tun?
Anrufer: Ich möchte eine Zahlung auf meine vornehmen HELOC.
Virtueller Agent: Wie lautet die Konto-ID, um mit einer Zahlung fortzufahren?
Anrufer: 1234
Virtueller Agent: Danke. Was ist der Zahlungsbetrag?
Anrufer: 120
Virtueller Agent: Danke. Die Zahlung sollte innerhalb von 1 bis 2 Werktagen bearbeitet werden. Kann ich sonst noch etwas für Sie tun?
Anrufer: Nein, das ist es.
Virtueller Agent: Danke. Ich wünsche ihnen einen wunderbaren Tag.
Lösungsüberblick
Sehen wir uns die Gesamtarchitektur der Lösung an (siehe folgendes Diagramm):
- Wir verwenden einen Amazon Lex-Bot, der mit einem integriert ist Amazon Connect Contact Flow, um das Gesprächserlebnis zu liefern
- Wir definieren das benutzerdefinierte Vokabular für die Sprache Englisch (GB), indem wir Wörter wie „CapitaRise“, „HELOC“ und „refi“ zusammen mit Gewichtungen hinzufügen
- Nachdem der Anrufer authentifiziert wurde, wird die Kontrolle an den Bot übergeben, um Transaktionen durchzuführen (z. B. um Zahlungen zu verarbeiten).
Die Datei mit benutzerdefiniertem Vokabular ist eine durch Tabulatoren getrennte Liste von Werten, die den zu erkennenden Ausdruck und eine Gewichtung zur Verstärkung enthalten. Phrasen mit einem höheren Verstärkungswert werden eher verwendet, wenn sie im Audioeingang erscheinen.
Stellen Sie den Amazon Lex-Beispielbot bereit
Um den Beispiel-Bot zu erstellen und die benutzerdefiniertes Vokabular, führen Sie die folgenden Schritte aus. Dadurch wird ein Amazon Lex-Bot erstellt calledFinanceBot
, mit Absicht PersonalLoan
, BusinessLoan
, InterestRateRefinancing
, InterestRateCredit
, Payment
, Welcome
und Goodbye
, sowie zwei Slot-Typen (accountNumber
und confirmationSlot
).
- Laden Sie die Amazon Lex Bot.
- Wählen Sie in der Amazon Lex-Konsole Aktionen, Import.
- Wählen Sie die Datei FinanceBot.zip aus, die Sie heruntergeladen haben, und wählen Sie Import.
- Im IAM-Berechtigungen Abschnitt, für Laufzeitrolle, wählen Erstellen Sie eine neue Rolle mit grundlegenden Amazon Lex-Berechtigungen.
- Navigieren Sie auf der Amazon Lex-Konsole zum Bot
FinanceBot
. - Laden Sie die ZIP-Datei mit den Sätzen herunter, die Sie dem benutzerdefinierten Vokabular hinzufügen möchten.
- Auf der Bot-Detailseite in der Sprachen hinzufügen Wählen Sie im Abschnitt Sprachen anzeigen.
- Wählen Sie aus der Liste der Sprachen aus Englisch (GB).
- Im Benutzerdefiniertes Vokabular Wählen Sie im Abschnitt Import.
- Navigieren Sie zu der zu importierenden Datei, geben Sie bei Bedarf ein Kennwort ein und wählen Sie dann aus Import.
- Auswählen Bauen.
- Laden Sie die Unterstützung herunter AWS Lambda-Code.
- Erstellen Sie in der Lambda-Konsole eine neue Funktion und wählen Sie sie aus Autor von Grund auf neu.
- Aussichten für Funktionsnameeingeben
FinanceBotEnglish
. - Aussichten für Laufzeit, wählen Python 3.8.
- Auswählen Funktion erstellen.
- Im Quellcode Abschnitt, offen
lambda_function.py
und löschen Sie den vorhandenen Code. - Laden Sie den Code herunter und öffnen Sie ihn in einem Texteditor.
- Kopieren Sie den Code und fügen Sie ihn in die leere Registerkarte lambda_function.py ein.
- Auswählen Deploy.
- Auf der Amazon Lex-Konsole und öffnen
FinanceBot
. - Auswählen
Einsatz und dann Aliases, Gefolgt von
TestBotAlias
. - Auf dem Aliases Seite, in der Sprachen Abschnitt, navigieren Sie zu Englisch (GB).
- Aussichten für QuelleWählen
FinanceBotEnglish
. - Aussichten für Lambda-Version oder -Alias, eingeben
$LATEST
. - Wählen Sie in der Amazon Connect-Konsole aus Kontakt fließt.
- Laden Sie die Kontaktfluss zur Integration mit dem Amazon Lex-Bot.
- Wählen Sie im Abschnitt Amazon Lex Ihren Amazon Lex-Bot aus und machen Sie ihn für die Verwendung in den Amazon Connect-Kontaktabläufen verfügbar.
- Wählen Sie den Gesprächsablauf aus, um ihn in die Anwendung zu laden.
- Stellen Sie sicher, dass der richtige Bot im Block „Get Customer Input“ konfiguriert ist.
- Wählen Sie im Block „Arbeitswarteschlange festlegen“ eine Warteschlange aus.
- Fügen Sie dem Gesprächsablauf eine Telefonnummer hinzu.
- Testen Sie den IVR-Fluss, indem Sie die Telefonnummer anrufen.
Testen Sie die Lösung
Sie können die Amazon Connect-Telefonnummer anrufen und mit dem Bot interagieren.
Zusammenfassung
Benutzerdefiniertes Vokabular ermöglicht eine verbesserte Erkennung von domänenspezifischen Wörtern und Markennamen für die Sprachmodalität. Sie können das benutzerdefinierte Vokabular für Ihren Amazon Lex-Bot einfach definieren und es auf die Bot-Definition erweitern. Mit einer verbesserten Erkennung können Sie effektivere Gespräche über eine breitere Palette von Anwendungsfällen hinweg ermöglichen. Sie können benutzerdefiniertes Vokabular über die Amazon Lex V2-Konsole oder über die API konfigurieren. Die Funktion ist insgesamt für Englisch (US) und Englisch (GB) verfügbar AWS-Regionen wo Amazon Lex tätig ist. Weitere Informationen finden Sie im benutzerdefinierten Vokabular Dokumentation.
Über die Autoren
Kai Loreck ist ein Amazon Connect-Berater für professionelle Dienstleistungen. Er arbeitet an der Konzeption und Implementierung skalierbarer Customer Experience-Lösungen. In seiner Freizeit findet man ihn beim Sport, Snowboarden oder Wandern in den Bergen.
Anubhav Mishra ist Produktmanager bei AWS. Er verbringt seine Zeit damit, Kunden zu verstehen und Produkterlebnisse zu entwerfen, um ihre geschäftlichen Herausforderungen zu bewältigen.
Mebz Qazi ist Senior Consultant und arbeitet an globalen Projekten für AWS. Er arbeitet sehr gerne an technologischen Innovationen in natürlicher Sprache und AI/ML.
Sravana Bodapati ist Manager für angewandte Wissenschaften bei AWS Lex. Er konzentriert sich auf die Entwicklung innovativer Lösungen für künstliche Intelligenz und maschinelles Lernen für AWS-Kunden im ASR- und NLP-Bereich. In seiner Freizeit wandert er gerne, lernt Wirtschaftswissenschaften, sieht Fernsehsendungen und verbringt Zeit mit seiner Familie.
- Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
- Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
- CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
- Quelle: https://aws.amazon.com/blogs/machine-learning/use-custom-vocabulary-in-amazon-lex-to-enhance-speech-recognition/
- "
- 100
- Über Uns
- Konto
- über
- Zusätzliche
- Adresse
- Administrator
- Alle
- Amazon
- Betrag
- Bienen
- Anwendung
- Architektur
- künstlich
- künstliche Intelligenz
- Künstliche Intelligenz und maschinelles Lernen
- Audio-
- authentifiziert
- verfügbar
- AWS
- Bank
- werden
- Blockieren
- Stärkung
- Wander- und Outdoorschuhen
- Bots
- Building
- Geschäft
- Käufer
- rufen Sie uns an!
- Anrufer
- Fälle
- Herausforderungen
- Auswählen
- Einstufung
- Schließen
- Code
- Kaffee
- sammeln
- wie die
- Vernetz Dich
- Konsul (Console)
- Berater
- Kontakt
- Smartgeräte App
- Gespräch
- Gespräche
- Kosten
- erstellen
- schafft
- Erstellen
- Original
- Kunde
- Customer Experience
- Kundenservice
- Kunden
- Tag
- Entwerfen
- Detail
- anders
- schwer
- Domain
- leicht
- Wirtschaftskunde
- Edge
- Herausgeber
- Effektiv
- ermöglichen
- Englisch
- Enter
- Beispiel
- vorhandenen
- ERFAHRUNGEN
- Erfahrungen
- Familie
- Vorname
- Fluss
- konzentriert
- Folgende
- gefunden
- Funktion
- bekommen
- Global
- groß
- Hilfe
- höher
- Startseite
- Ultraschall
- Hilfe
- HTTPS
- Umsetzung
- verbessert
- Information
- Innovation
- Varianten des Eingangssignals:
- integrieren
- integriert
- Intelligenz
- Absicht
- interessiert
- IT
- Sprache
- Sprachen
- LERNEN
- lernen
- wahrscheinlich
- Liste
- Belastung
- Kredite
- Maschine
- Maschinelles Lernen
- Manager
- Bedeutung
- mehr
- Namen
- Natürliche
- notwendig,
- Anzahl
- bieten
- XNUMXh geöffnet
- Andere
- Gesamt-
- Passwort
- Zahlung
- vielleicht
- persönliche
- Sätze
- spielend
- Gegenwart
- Prozessdefinierung
- Produkt
- Professionell
- Projekte
- Zwecke
- Honorar
- realisieren
- erkennen
- empfehlen
- Anforderung
- Überprüfen
- skalierbaren
- Wissenschaft
- Lösungen
- kompensieren
- Einstellung
- Ähnlich
- klein
- Small Business
- So
- Lösung
- Lösungen
- einige
- Raumfahrt
- Speaker
- Ausgabe
- Sports
- begonnen
- Unterstützung
- sprechen
- technologische
- Terminologie
- Zeit
- heute
- Transaktionen
- tv
- verstehen
- Verständnis
- us
- -
- gewöhnlich
- Wert
- Vielfalt
- Webseite
- willkommen
- Was
- Was ist
- .
- Worte
- arbeiten,
- Werk
- würde
- Jahr