좋은 챗봇에 트리 기반 흐름이 아닌 컨텍스트가 필요한 이유

소스 노드 : 1352945

예에서 명소 방문에 관심이 있고 입장권이 얼마인지 알고 싶어 다음과 같이 질문합니다.

놀랍게도 챗봇은 관련 API 통합이 있음에도 불구하고 답을 알지 못했습니다.

약간의 안내를 받으면 챗봇은 안내된(규칙 기반) 대화 흐름으로 리디렉션합니다. "라고 말해야 한다고 제안합니다.표를 사다" 먼저, 다음에 "티켓 가격", 그리고 마지막으로 "클라우드 포레스트"에 대한 답을 얻을 수 있습니다.

아직 가깝지 않습니다.

대다수의 가상 에이전트는 자연어 이해(NLU) 모델을 사용하지만 사용자는 여전히 부자연스러운 대화에 방해를 받습니다.

한 NLP 플랫폼이 다른 플랫폼보다 더 좋다 나쁘다로 챗봇의 지능을 단순히 설명할 수는 없습니다. 편리한 이유지만 이 경우는 그렇지 않습니다. 왜요? 잘 훈련된 NLU 모델의 목적은 입력(사용자 발화)을 출력(사용자 의도)에 매핑하는 데 도움이 되는 것입니다. 예를 들어 둘 다 “20 Sunshine Avenue에 카레 치킨 피자 보내기”“나는 피쉬 앤 칩스를 원한다” 동일한 '음식 주문' 의도를 참조하세요.

그러나 그것이 의도 감지가 끝나는 곳입니다. 대화 디자이너 또는 개발자는 의도 감지 후 어떤 일이 발생하는지 고려해야 합니다. 라고 불린다 문맥 가능한 한 직접적인 답변을 제공합니다.

실생활에서 당신과 당신의 친구가 몇 달 간의 봉쇄 후 마침내 만난다면, 두 사람이 기억하는 마지막 여행의 모든 ​​순간이 형성됩니다. 문맥. 도시 이름과 길에서 만나는 사람들과 같은 특정 매개변수가 있습니다. 컨텍스트는 또한 부패하기 쉽습니다. 즉, 귀하와 귀하의 친구가 여러 번 만나서 다른 것에 대해 이야기하는 경우 COVID-XNUMX 이전 휴가 순간을 가장 먼저 염두에 두지 않습니다.

챗봇을 프로그래밍할 때 사용자가 말한 특정 정보로 무언가를 하고 싶을 수 있습니다. 예를 들어 가상 에이전트에 대한 좋은 아이디어는 대화 세션 중에 음식 이름과 배달 주소를 사전에 추출하고 메모리 상태(컨텍스트)에 커밋하는 것입니다. 사용자가 이미 경로를 따라 말한 경우 봇은 동일한 정보를 요청하지 않아야 합니다.

불행히도 오늘날 일부 챗봇은 사용자와 유용한 대화를 나누는 데 필수적인 매개변수를 기억하지 못합니다. 사용자는 결국 이를 돕기 위해 챗봇에 중요한 세부 정보를 반복해야 합니다.

다음은 몇 가지 가능성입니다.

  1. 일부 로우 코드 소프트웨어의 나무와 같은 대화 디자인 도구에서만 행복한 경로 디자인
  2. 의도를 고객이 염두에 두고 있는 목표가 아니라 흐름의 전환 또는 체크포인트로 취급
  3. 사용자 오류 수정 및 채팅 우회에 대한 사양 없이 소프트웨어 엔지니어에게 대화 마인드 맵 또는 순서도 제시
  4. 성공/실패 상태에 대한 유한한 흐름이 있는 웹 또는 모바일 앱과 달리 비선형 애플리케이션에서 큰 순열을 설명하는 데 어려움

이번에는 챗봇이 티켓 가격 조회 인텐트에서 찾고 있는 엔터티를 추출합니다. 바로 참가자와 어트랙션 사이트입니다. 티켓 가격을 조회하기에 충분한 데이터가 있으므로 챗봇은 몇 가지 관련 풍부한 카드를 제공합니다.

아마도 당신은 실수를 했다. 다음과 같이 오류를 수정합니다.

대체(“미안, 이해하지 못했다”), 메시지는 매개변수 기반 의도로 이어집니다. 챗봇은 이미 선호하는 어트랙션 사이트를 기억했으며 이제 새로운 참가자 정보만 설명합니다. 또한 티켓 가격 조회 상태임을 알기 때문에 반복할 필요 없이 새로운 총 가격을 알려줍니다.

당신은 당신이 지역 시민이라는 것을 계속 언급합니다.

다시 말하지만, 챗봇은 어트랙션 사이트와 인원수를 반복하지 않고 현재 대화 주제를 변경하지 않고 수집된 모든 업데이트된 정보를 기반으로 티켓 가격을 조회합니다. 성공!

Source: https://chatbotslife.com/why-good-chatbots-need-context-not-tree-based-flows-f083db0ed635?source=rss—-a49517e4c30b—4

타임 스탬프 :

더보기 챗봇 생활