I våre daglige samtaler kommer vi over nye ord eller termer som vi kanskje ikke kjenner. Kanskje disse er relatert til et nytt domene som vi nettopp har blitt kjent med, og vi plukker opp disse etter hvert som vi forstår mer om domenet. For eksempel er boliglånsterminologi («avkortning»), forkortede ord («refi», «comps») og akronymer («HELOC») sannsynligvis nye for førstegangshuskjøpere. På samme måte kan merkenavn være vanskelige når du først hører om dem. For eksempel, med setningen "Jeg vil gjerne få en Cyetus 7601", med mindre du er en kaffeelsker, er du kanskje ikke klar over at høyttaleren snakker om et kaffemaskinmerke. Noen av disse ordene finnes kanskje ikke engang i ordboken. Når vi forstår bruken, betydningen og stavemåten deres, blir de en del av vokabularet vårt, slik at vi kan ha effektive samtaler.
På samme måte må roboter forstå og legge til slike ord i vokabularet deres. Fra i dag kan du gi Amazon Lex tilleggsinformasjon om hvordan du behandler taleinndata ved å lage et tilpasset ordforråd. Du kan lage en liste med domenespesifikke ord eller merkenavn for forbedret talegjenkjenning og sluttbrukeropplevelse.
I dette innlegget gjennomgår vi evnen til tilpasset ordforråd og bruker den til kundeservicetransaksjoner og forespørsler om boliglån.
Oversikt over egendefinert ordforråd
Du definerer det tilpassede vokabularet for et språk i boten. I dette tilfellet legger vi til merkenavn og domenespesifikke ord og uttrykk på engelsk (GB). Boten bruker disse setningene for transkripsjon av taleinndata når den prøver å forstå brukerens forespørsel (eller intensjonsklassifisering). Du kan også utvide det egendefinerte vokabularet med informasjon du må samle inn (eller fremkalling av spilleautomater) ved å konfigurere en innstilling for sportypen. Du kan spesifisere graden av forsterkning for hvert ord eller uttrykk ved å konfigurere en vekt på 1, 2 eller 3. Vi anbefaler at du prøver forskjellige vekter. Ord som vanligvis er vanskelige å gjenkjenne eller uttale bør ha høyere vekt.
Følgende er en eksempelsamtale med boten vår:
Virtuell agent: Velkommen til ACME bank. Hvordan kan jeg hjelpe deg?
Innringer: Tilbyr du CapitaRise lån?
Virtuell agent: Vi tilbyr CapitaRise-lån til personlige formål. Vil du starte en søknad?
Innringer: Nei, takk.
Virtuell agent: Er det noe annet jeg kan hjelpe deg med i dag?
Innringer: Hva med din ref priser?
Virtuell agent: For refinansiering tilbyr vi 4.5 % uten avsluttende kostnader i 30 år. Annen informasjon du kan være interessert i?
Innringer: Ja, hva med SBA?
Virtuell agent: Vi tilbyr en rekke administrasjonslån til småbedrifter. Du finner mer informasjon på nettsiden vår. Noe annet jeg kan gjøre for deg?
Innringer: Jeg ønsker å gjøre en betaling på min HELOC.
Virtuell agent: Hva er konto-ID-en for å fortsette med en betaling?
Innringer: 1234
Virtuell agent: Takk. Hva er betalingsbeløpet?
Innringer: 120
Virtuell agent: Takk. Betalingen skal behandles innen 1 til 2 virkedager. Noe annet jeg kan hjelpe deg med?
Innringer: Nei, det er det.
Virtuell agent: Takk. Ha en flott dag.
Løsningsoversikt
La oss se på den generelle arkitekturen for løsningen (se følgende diagram):
- Vi bruker en Amazon Lex-bot integrert med en Amazon Connect kontaktflyt for å levere samtaleopplevelsen
- Vi definerer det tilpassede vokabularet for engelsk (GB) språk ved å legge til ord som "CapitaRise", "HELOC" og "refi", sammen med vekter
- Etter at den som ringer er autentisert, overføres kontrollen til roboten for å utføre transaksjoner (for eksempel for å behandle betaling)
Den tilpassede vokabularfilen er en tabulatordelt liste over verdier som inneholder uttrykket som skal gjenkjennes og en vekt for å gi et løft. Fraser med en høyere boost-verdi er mer sannsynlig å bli brukt når de vises i lydinngangen.
Distribuer Amazon Lex-eksemplet
For å lage prøveroboten og konfigurere tilpasset ordforråd, utfør følgende trinn. Dette skaper en Amazon Lex-bot calledFinanceBot
, med hensikter PersonalLoan
, BusinessLoan
, InterestRateRefinancing
, InterestRateCredit
, Payment
, Welcome
og Goodbye
, samt to sportyper (accountNumber
og confirmationSlot
).
- Last ned Amazon Lex bot.
- Velg på Amazon Lex-konsollen handlinger, Import.
- Velg filen FinanceBot.zip-filen du lastet ned, og velg Import.
- på IAM-tillatelser seksjon, for Runtime rolle, velg Opprett en ny rolle med grunnleggende Amazon Lex-tillatelser.
- På Amazon Lex-konsollen, naviger til boten
FinanceBot
. - Last ned .zip-filen med setningene du vil legge til i det egendefinerte vokabularet.
- På detaljsiden for boten, i Legg til språk delen velger Se språk.
- Velg fra listen over språk engelsk (GB).
- på Egendefinert ordforråd delen velger Import.
- Bla til filen du vil importere, skriv inn et passord om nødvendig, og velg deretter Import.
- Velg Bygge.
- Last ned støtten AWS Lambda-kode.
- På Lambda-konsollen oppretter du en ny funksjon og velger Forfatter fra bunnen av.
- Til FunksjonsnavnTast inn
FinanceBotEnglish
. - Til Runtime, velg Python 3.8.
- Velg Opprett funksjon.
- på Kildekode seksjon, åpen
lambda_function.py
og slett den eksisterende koden. - Last ned koden og åpne den i et tekstredigeringsprogram.
- Kopier og lim inn koden i den tomme lambda_function.py-fanen.
- Velg Distribuer.
- På Amazon Lex-konsollen, og åpne
FinanceBot
. - Velg Utplassering og deretter Aliaser, Etterfulgt av
TestBotAlias
. - På Aliaser side, i språk seksjon, naviger til engelsk (GB).
- Til kilde, plukke ut
FinanceBotEnglish
. - Til Lambdaversjon eller alias, Tast inn
$LATEST
. - Velg på Amazon Connect-konsollen Kontakt flyter.
- Last ned kontaktflyt å integrere med Amazon Lex-boten.
- I Amazon Lex-delen velger du din Amazon Lex-bot og gjør den tilgjengelig for bruk i Amazon Connect-kontaktflytene.
- Velg kontaktflyten for å laste den inn i applikasjonen.
- Sørg for at riktig bot er konfigurert i «Få kundeinndata»-blokken.
- Velg en kø i "Sett arbeidskø"-blokken.
- Legg til et telefonnummer i kontaktflyten.
- Test IVR-flyten ved å ringe inn til telefonnummeret.
Test løsningen
Du kan ringe inn til Amazon Connect-telefonnummeret og samhandle med boten.
konklusjonen
Tilpasset vokabular muliggjør forbedret gjenkjennelse av domenespesifikke ord og merkenavn for talemodalitet. Du kan enkelt definere det tilpassede vokabularet for din Amazon Lex-bot og utvide det til botdefinisjonen. Med forbedret gjenkjennelse kan du aktivere mer effektive samtaler på tvers av et bredere sett med brukstilfeller. Du kan konfigurere tilpasset vokabular ved å bruke Amazon Lex V2-konsollen eller via API. Muligheten er tilgjengelig for engelsk (US) og engelsk (GB) i alt AWS-regioner hvor Amazon Lex opererer. For å lære mer, se tilpasset ordforråd dokumentasjon.
Om forfatterne
Kai Loreck er en profesjonell Amazon Connect-konsulent. Han jobber med å designe og implementere skalerbare kundeopplevelsesløsninger. På fritiden kan han bli funnet i sport, snowboard eller fotturer i fjellet.
Anubhav Mishra er produktsjef hos AWS. Han bruker tiden sin på å forstå kunder og designe produktopplevelser for å møte deres forretningsutfordringer.
Mebz Qazi er en seniorkonsulent som jobber med globale prosjekter for AWS. Han liker veldig godt å jobbe med teknologisk innovasjon innen naturlig språk og AI/ML.
Sravan Bodapati er en Applied Science Manager ved AWS Lex. Han fokuserer på å bygge banebrytende kunstig intelligens og maskinlæringsløsninger for AWS-kunder i ASR- og NLP-området. På fritiden liker han å gå tur, lære økonomi, se på TV-programmer og tilbringe tid med familien.
- Myntsmart. Europas beste Bitcoin og Crypto Exchange.
- Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. FRI TILGANG.
- CryptoHawk. Altcoin Radar. Gratis prøveperiode.
- Kilde: https://aws.amazon.com/blogs/machine-learning/use-custom-vocabulary-in-amazon-lex-to-enhance-speech-recognition/
- "
- 100
- Om oss
- Logg inn
- tvers
- Ytterligere
- adresse
- admin
- Alle
- Amazon
- beløp
- api
- Søknad
- arkitektur
- kunstig
- kunstig intelligens
- Kunstig intelligens og maskinlæring
- lyd
- autentisert
- tilgjengelig
- AWS
- Bank
- bli
- Blokker
- øke
- Bot
- roboter
- Bygning
- virksomhet
- Strijela
- ring
- Caller
- saker
- utfordringer
- Velg
- klassifisering
- lukking
- kode
- Kaffe
- samle
- Kom
- Koble
- Konsoll
- konsulent
- kontakt
- kontroll
- Samtale
- samtaler
- Kostnader
- skape
- skaper
- Opprette
- skikk
- kunde
- kundeopplevelse
- Kundeservice
- Kunder
- dag
- utforme
- detalj
- forskjellig
- vanskelig
- domene
- lett
- Økonomi
- Edge
- redaktør
- Effektiv
- muliggjøre
- Engelsk
- Enter
- eksempel
- eksisterende
- erfaring
- Erfaringer
- familie
- Først
- flyten
- fokuserer
- etter
- funnet
- funksjon
- få
- Global
- flott
- hjelpe
- høyere
- Hjemprodukt
- Hvordan
- Hvordan
- HTTPS
- implementere
- forbedret
- informasjon
- Innovasjon
- inngang
- integrere
- integrert
- Intelligens
- hensikt
- interessert
- IT
- Språk
- språk
- LÆRE
- læring
- Sannsynlig
- Liste
- laste
- Lån
- maskin
- maskinlæring
- leder
- betyr
- mer
- navn
- Naturlig
- nødvendig
- Antall
- tilby
- åpen
- Annen
- samlet
- Passord
- betaling
- kanskje
- personlig
- setninger
- spiller
- presentere
- prosess
- Produkt
- profesjonell
- prosjekter
- formål
- priser
- realisere
- gjenkjenne
- anbefaler
- anmode
- anmeldelse
- skalerbar
- Vitenskap
- tjeneste
- Tjenester
- sett
- innstilling
- på samme måte
- liten
- småbedrifter
- So
- løsning
- Solutions
- noen
- Rom
- Høyttaler
- utgifter
- Sports
- startet
- Støtte
- snakker
- teknologisk
- terminologi
- tid
- i dag
- Transaksjoner
- tv
- forstå
- forståelse
- us
- bruke
- vanligvis
- verdi
- variasjon
- Nettsted
- velkommen
- Hva
- Hva er
- innenfor
- ord
- arbeid
- virker
- ville
- år