एक आभासी सहायक बनाना जो आज के कार्य के साथ अच्छी तरह से सामना करेगा, दुर्भाग्य से, एक सरल प्रक्रिया नहीं है जैसा हम चाहते हैं। सबसे पहले, यह हमेशा स्पष्ट होता है कि चैट बॉट गलतियां क्यों करता है और इससे भी महत्वपूर्ण बात यह है कि यह स्पष्ट नहीं है कि प्लेटफॉर्म के विकास और लॉन्च के लिए कम समय में इन त्रुटियों को कैसे कम किया जा सकता है।

निरंतर उत्पाद विकास के माध्यम से, आईबीएम वाटसन सहायक टीम एक आभासी सहायक को यथासंभव सरल बनाने और लॉन्च करने की प्रक्रिया बनाने की कोशिश कर रही है। आज हम संवाद कौशल विश्लेषण नोटबुक के बारे में बात करते हैं- पायथन के लिए एक रूपरेखा जो आपको आईबीएम वाटसन में उच्च गुणवत्ता वाले एआई सहायक को जल्दी से विकसित करने की अनुमति देती है। इससे कोई फर्क नहीं पड़ता कि आप अपना पहला चैटबॉट बना रहे हैं या आप वर्चुअल असिस्टेंट बनाने के क्षेत्र में विशेषज्ञ हैं, किसी भी मामले में, यह ढांचा आपकी मदद करेगा यदि आपके कोई प्रश्न हैं:

मेरी चैट बॉट कितनी प्रभावी है?
मैं एक सहायक की प्रभावशीलता को कैसे माप सकता हूं?
बॉट गलत सवालों का जवाब क्यों देता है?
सहायक द्वारा प्रश्नों की समझ के स्तर को कैसे बढ़ाया जाए?

यह काम किस प्रकार करता है?

आगे, हम आपको ऐसे कार्यों के कुछ उदाहरण दिखाएंगे, जिन्हें फ्रेमवर्क का उपयोग करके हल किया जा सकता है। आप GitHub रिपॉजिटरी से डाउनलोड करके इसकी विशेषताओं को स्वयं आज़मा सकते हैं । लेख में उपयोग किए गए उदाहरण अंग्रेजी में दिए गए हैं, लेकिन आप चैटबोट के प्रशिक्षण और जांच के लिए रूसी का उपयोग कर सकते हैं।

नोट: यह सामग्री उन लोगों के लिए है जिनके पास आईबीएम वाटसन सहायक प्लेटफॉर्म पर चैट बॉट बनाने की बुनियादी समझ है। यदि आप हमारे प्लेटफ़ॉर्म से अपरिचित हैं, या IBM Watson के आधार पर उच्च-गुणवत्ता वाली वर्चुअल असिस्टेंट बनाने का तरीका सीखना चाहते हैं, तो हम आपको मार्च 2020 में मॉस्को और सेंट पीटर्सबर्ग में होने वाले निशुल्क प्रशिक्षण सेमिनारों में आमंत्रित करते हैं , जिसमें वर्चुअल असिस्टेंट बनाने पर दो-दिवसीय व्यावहारिक कार्यशाला भी शामिल है।

भाग 1: प्रशिक्षण डेटा विश्लेषण

हम वॉटसन असिस्टेंट में उपलब्ध टेस्ट केस "कस्टमर केयर" का उपयोग करेंगे, जिसमें चैटबोट को स्टोर के बारे में प्रश्नों को पहचानने के लिए प्रशिक्षित किया जाता है, उदाहरण के लिए: "आपका स्टोर कहाँ स्थित है?" या "यह किस समय खुलता है?" और उन्हें intents में असाइन करें Customer_Care_Store_Location और Customer_Care_Store_Hours

स्क्रिप्ट लोड करने के तुरंत बाद, आप अभिव्यक्तियों का विश्लेषण शुरू कर सकते हैं, जो आपको एक साथ कई शब्दों के साथ एक शब्द या वाक्यांश के अंकुरण जैसे महत्वपूर्ण त्रुटियों का पता लगाने और सही करने की अनुमति देगा, जो सहायक का उपयोग करने की प्रक्रिया में त्रुटियों की गारंटी है।

भाग 2: संवादी कौशल विश्लेषण

जब आप पहली बार एक संवादी कौशल बनाते हैं, तो आप वॉट्सन असिस्टेंट में कोशिश करें पैनल का उपयोग करके इसके काम का परीक्षण कर सकते हैं कि एक विशिष्ट इरादे से संबंधित पाठ की भविष्यवाणी करने की सहायक क्षमता का मूल्यांकन करने के लिए।

यह देखने के लिए निश्चित रूप से सुविधाजनक है कि क्या आपका चैट बॉट काम करता है या ग्राहक को अपने काम का उदाहरण दिखाता है। हालांकि, सहायक के काम की गुणवत्ता की जांच करने के लिए, स्वचालन की असंभवता के कारण यह दृष्टिकोण पूरी तरह से अनुपयुक्त है। उपयोगकर्ता दर्जनों अलग-अलग तरीकों से एक ही सवाल पूछ सकते हैं, और यहां तक कि अगर आप सभी संभावित संयोजनों की भविष्यवाणी कर सकते हैं, तो ऐसे मैनुअल चेक और विश्लेषण में बहुत अधिक समय लगेगा।

इसके बजाय, हम सुझाव देते हैं कि आप हमारे ढांचे के दूसरे भाग का उपयोग करें, जो आपको एक परीक्षण नमूने का उपयोग करके संवादी कौशल का विश्लेषण करने में मदद करेगा जिसमें प्रत्येक उदाहरण के लिए अतिरिक्त उदाहरण शामिल हैं जो आपको स्वयं के साथ आने चाहिए। इस नमूने के तत्वों के लिए विशिष्टता अनिवार्य है - उन्हें उन उदाहरणों के साथ ओवरलैप नहीं करना चाहिए जिन पर चैट बॉट को प्रशिक्षित किया गया था, अन्यथा यह सही उत्तर जानेंगे और चेक अर्थहीन हो जाएगा।

मूल्यांकन निम्नलिखित मीट्रिक के अनुसार किया जाता है: सटीकता, परिशुद्धता, स्मरण और एफ 1-उपाय।

सहायता विषय पर विचार करें ।

[100%] का उच्च रिकॉल मूल्य इंगित करता है कि इस आशय के परीक्षण वाक्यों की संबद्धता को बिल्कुल सही ढंग से मान्यता दी गई थी।
सटीक मान [66.67%] दर्शाता है कि अन्य इरादों से संबंधित कुछ परीक्षण वाक्यों को सहायता आशय से संबंधित मॉडल द्वारा मान्यता दी गई थी । उच्च परिणाम प्राप्त करने के लिए प्रशिक्षण नमूने को समायोजित करके इस पर ध्यान देना आवश्यक है
एफ 1 माप [80%] एक सामान्यीकृत मीट्रिक है जो अध्ययन किए गए मॉडल की समग्र गुणवत्ता पर प्रेसिजन और रिकॉल रिपोर्ट के मूल्यों पर विचार करता है।

भाग 3. उन्नत विश्लेषण

फ्रेमवर्क का तीसरा भाग आपके संवाद समाधान के विस्तारित विश्लेषण के अवसर खोलता है। इसमें लागू किए गए कार्यों का उपयोग करके, आप यह पता लगा सकते हैं कि किसी विशेष वाक्य को गलती से क्यों पहचाना गया।

एक वाक्य में शब्दों के सापेक्ष महत्व को देखने के उदाहरण पर विचार करें।

ध्यान दें

, , : Customer_Care_Store_Location, Cancel, Customer_Care_Appointments General_Connect_to_Agent, Thanks, Customer_Care_Store_Hours, General_Greetings, Help

बिल्कुल सही संचालन के साथ, सहायक को वाक्य से संबंधित होना चाहिए "यदि आप रविवार को बंद हैं, तो क्या आप मुझे कल दोपहर के लिए स्लॉट दे सकते हैं?" Customer_Care_Appointments इरादे के रूप में, उपयोगकर्ता रविवार शाम को एक बैठक का अनुरोध करता है। हालाँकि, इस समय, यह प्रस्ताव सहायक ग्राहक_कार्य_स्टोर_होर्स आशय से संबंधित है ।

चित्र को देखते हुए, यह स्पष्ट हो जाता है कि इस तरह एक जवाब शब्दों का वाक्य में मौजूदगी से उचित है "बंद" और "दोपहर" से संबंधित Customer_Care_Store_Hours इरादे और एक ही समय में वाक्य में शब्दों का संकेत दे सकती हैं कि वे आवश्यक इरादे से संबंध रखते हैं की इस कमी।
फ्रेमवर्क की कार्यक्षमता आपको उस वाक्य में कीवर्ड की पहचान करने की अनुमति देती है जिसे सहायक "सबसे महत्वपूर्ण" मानता है, जिसका अर्थ है कि आप आसानी से त्रुटि का कारण निर्धारित कर सकते हैं और इसे ठीक कर सकते हैं।

निष्कर्ष

लेख में दिखाए गए उदाहरण हमारे नए ढांचे की सभी विशेषताओं का एक छोटा सा हिस्सा हैं। हमें उम्मीद है कि यह आपको स्मार्ट सहायक बनाने की प्रक्रिया को गति देने और सरल बनाने में मदद करेगा।

फ्रेमवर्क का उपयोग कैसे करें?

आप इसे यहां GitHub रिपॉजिटरी से डाउनलोड कर सकते हैं ।

जो लोग फ्रेमवर्क को डाउनलोड नहीं करना चाहते हैं या नहीं कर सकते हैं या आईपीथॉन नोटबुक नहीं चला सकते हैं, हमने लिंक के माध्यम से आईबीएम गैलरी में उपलब्ध रूपरेखा का एक ऑनलाइन संस्करण बनाया है । इस तरह के एक ऑनलाइन संस्करण को वाटसन स्टूडियो सेवा के हिस्से के रूप में आईबीएम क्लाउड में लॉन्च किया जा सकता है।

IBM वाटसन असिस्टेंट में चैटबॉट की गुणवत्ता का विश्लेषण