Processamento de linguagem natural (PLN)

Tecnologia PLN patenteada e de vanguarda

Enriqueça as experiências digitais, introduzindo "chatbots" que possam conversar de forma inteligente, como um ser humano, com os seus clientes e funcionários. Utilize as nossas competências em Processamento de Linguagem Natural, patenteadas e de vanguarda, que permitem aos "chatbots" compreender, recordar e aprender a partir da informação obtida durante cada interacção e agir em função disso.

Interprets accurately with fewer false positives

Interpreta com exactidão, com menos falsos positivos

Communicates comprehensively

Comunica de forma abrangente

Resolves development gaps faster

Soluciona mais rapidamente disparidades de desenvolvimento

Requires less training data to be NL capable

Requer menos dados de treino para ficar apto para a LN

Repurposes training data

Reutiliza dados de treino

Maintain the context of user’s request throughout a dialogue or session

Mantenha o contexto do pedido do utilizador durante todo um diálogo ou uma sessão

Extract and Store actions taken, data provided, and information pulled from systems the bot can use

Extraia e Guarde acções realizadas, dados fornecidos e informações provenientes de sistemas a que o "bot" tem acesso

Customize how contextual data is stored at the session

Personalize a forma como são guardados os dados contextuais durante a sessão

Use Pre-trained NLP models to perfect your chatbot’s NLP

Utilize modelos PLN pré-treinados para aperfeiçoar o PLN dos seus "chatbots"

Processamento de linguagem natural (PLN)

Para que o seu "chatbot" possa analisar a frase a fim de obter o seu significado, temos de ter em consideração as partes essenciais da frase. Uma maneira proveitosa de o fazer, que é utilizada pela generalidade dos investigadores em Inteligência Artificial, é distinguir entreEntidadeseIntenções.

Um Entidade numa frase, é um objecto no mundo real a que se pode atribuir um nome. Os nossos modelos de PLN são óptimos a identificar Entidades e podem fazê-lo com uma exactidão quase humana. Utilizando o nosso motor de PLN, o "bot" identifica palavras do enunciado do utilizador para garantir que todos os campos disponíveis têm correspondência com a tarefa em questão ou, se necessário, recolhe mais dados contextuais. O objectivo de extrair entidades é o de preencher quaisquer espaços em branco necessários para completar a tarefa, ignorando os detalhes desnecessários. É um processo subtractivo em que o o "chatbot" somente recebe a informação necessária: quer esta seja toda disponibilizada pelo utilizador de uma só vez, quer seja no decurso de uma conversa guiada com o "chatbot".

Intençãonuma frase, é o propósito ou objectivo da afirmação. Numa frase do tipo, "Gostaria de reservar dois bilhetes para o novo filme de Spielberg" é fácil identificar a intenção, nomeadamente, "fazer uma reserva". No entanto, em muitas frases não há uma intenção clara. Assim sendo, é mais difícil para um "chatbot" reconhecer a intenção, mas novamente, os nossos modelos de PLN são muito eficientes nesse sentido. O objectivo do reconhecimento de intenção não é apenas o de associar um enunciado a uma tarefa, é o de associar um enunciado à tarefa verdadeiramente pretendida. Para tal, associamos verbos e substantivos a tantos sinónimos óbvios e não óbvios quanto possível.

I can book two cinema tickets for 8pm at the Savoy for £18. Please press 'yes' to confirm.
Natural Language Processing (NLP)

Visão geral do PLN

Para o PLN funcionar para determinados objectivos, é necessário que os utilizadores definam todos os tipos de Entidades e Intenções que o utilizador pretende que o "bot" reconheça. Por outras palavras, os utilizadores irão criar vários modelos de PLN, um para cada Entidade ou Intenção que quiser que o seu "chatbot" saiba identificar. Os utilizadores poderão criar na nossa plataforma tantos modelos de PLN quantos necessitem. Assim sendo, por exemplo, poderá criar um modelo de PLN para Intenções, para que o "bot" reconheça quando um utilizador quer efectuar uma compra. Poderá criar ainda um modelo para Entidades que reconheça localizações e outro que reconheça idades. Os seus "chatbots" poderão então utilizar os três modelos para sugerir ao utilizador uma compra, a partir de uma selecção que toma em consideração a idade e localização do cliente.

Na nossa plataforma, os utilizadores não precisam de criar um novo modelo de PLN para cada "bot" novo que criam. Todos os "chatbots" criados terão a opção de aceder a todos os modelos de PLN que um utilizador treinou.

Para ir desenvolvendo um modelo de PLN ao longo do tempo, de modo a que se torne cada vez mais exacto na resolução das tarefas que os utilizadores querem tratadas, estes quererão que o "chatbot" aprenda, sobretudo com os seus próprios erros. A Aprendizagem Automática é um tema quente na procura da verdadeira Inteligência Artificial. Os nossos modelos incorporam Aprendizagem Automática, no sentido em que tendo sido fornecidas frases de exemplo e os respectivos resultados, os modelos tomarão decisões sobre novas frases que encontrem.

Treino

A nossa plataforma também oferece o que por vezes se designa por Aprendizagem Automática supervisionada. Em face dos dados das suas conversas, poderá detectar onde o "chatbot" necessita de mais treino e inserir as frases problemáticas que identificou, juntamente com o resultado correcto a que o "bot" deverá chegar ao examinar a frase. Esta Aprendizagem Automática supervisionada terá como resultado uma maior taxa de sucesso na próxima ronda de Aprendizagem Automática não supervisionada. Este processo de alternância entre a sua supervisão e a análise independente das frases resultará eventualmente num modelo muito refinado e eficaz.

Training

Modelos de PLN pré-treinados

O que é óptimo é que fornecemos modelos de PLN pré-treinados.

Estes são modelos de última geração para detectar Entidades, treinados utilizando vastos conjuntos de dados de frases.

Assim sendo, por exemplo, o nosso modelo de PLN Entidades Negativas é ideal para reconhecer frustração no utilizador. Em poucos minutos, poderá implementar este modelo e o seu "chatbot" será capaz de analisar a conversa e dizer frases tais como: "Estou a ver que não está a gostar desta conversa; prefere falar com um funcionário humano?" Seguidamente, o "chatbot" pode chamar o funcionário por SMS ou email, se o cliente assim o desejar.

Pre-Trained NLP models

Subscrição da Newsletter