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.
Interpreta com exactidão, com menos falsos positivos
Comunica de forma abrangente
Soluciona mais rapidamente disparidades de desenvolvimento
Requer menos dados de treino para ficar apto para a LN
Reutiliza dados de treino
Mantenha o contexto do pedido do utilizador durante todo um diálogo ou uma sessão
Extraia e Guarde acções realizadas, dados fornecidos e informações provenientes de sistemas a que o "bot" tem acesso
Personalize a forma como são guardados os dados contextuais durante a sessão
Utilize modelos PLN pré-treinados para aperfeiçoar o PLN dos seus "chatbots"
Processamento de linguagem natural (PLN)
Para que o seu robô de conversação decifre uma frase e chegue ao seu significado, temos que considerar as partes essenciais da frase. Uma forma útil de a comunidade mais ampla de investigadores em Inteligência Artificial fazer isso é distinguir entre Entidades e Intenções.
Uma Entidade numa frase é um objeto no mundo real que pode ser nomeado. Os nossos modelos de PLN são excelentes na identificação de Entidades e podem fazê-lo com precisão quase humana. Através do nosso motor de PLN, o robô identifica as palavras da expressão de um utilizador para garantir que todos os campos disponíveis correspondam à tarefa em questão ou recolhe dados de campo adicionais, se necessário. 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".
Intenção numa frase é o propósito ou objetivo da declaração. Numa frase do género 'gostaria de reservar dois bilhetes para o novo filme de Spielberg' é fácil identificar a Intenção, nomeadamente "fazer uma reserva". Muitas frases, no entanto, não têm uma Intenção clara. Portanto, é mais desafiante para um robô de conversação reconhecer a Intenção mas, mais uma vez, os nossos modelos de PLN são muito eficazes nisso. 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.
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.
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.
