Qubot NLU

Introduction

If you want your bot to be up-to-date and able to process natural text input, then use our innovative technology - Natural Language Processing (NLP). It is NLP that allows your bot to understand the meaning of users' messages and generate appropriate responses. Whether the client wants “two Margherita pizzas and cola” or “cola and cheesecake for two”, the bot will understand and place the correct order.

How NLP works. General information

The essence of the work of NLP comes down to the analysis of the main components of any sentence - entities and intents.

• Entities представляют собой любые объекты реального мира, например, кола (drink), Украина (country), 2022 (number), Дмитрий (name).

• Intents - это желание клиента описанное в виде предложения, например, я хочу колу (want), как пройти к театру (finding a way), привет (greeting).

Для распознавания намерений используют методы машинного обучения на основе подготовленных фраз-примеров для каждого класса. Эти методы варьируются от простого мешка слов до нейронных сетей достаточно сложной архитектуры. В качестве признаков выступают слова, n-граммы слов, n-граммы букв (борьба с опечатками), наличие знака вопроса и т.д.

Используя комбинации из распознанных сущностей и намерений мы с уверенностью можем констатировать, что именно хочет клиент и предпринять соответствующие действия.

Ниже в таблице 1 представлено несколько простых примеров из бота пиццерии:

Сообщение 👩	Сущности	Намерение	Ответ 💻
Привет	-	greet	Здравствуйте
Привет, я Марго	$NAME = Маргарита	greet	Очень приятно, Маргарита!
Я хочу две Маргариты и колу	$NUMBER = 2 $NAME = Маргарита $DRINK = кола	want	Вам оформить заказ: 2 пиццы Маргарита и одна кола?
Я хочу	-	want	Что Вы хотите?
Я хочу в Украину	$COUNTRY = Украина	want	От Вас до Украины 4768.95 км. Удобнее всего Вам будет лететь на самолёте.

В каждом из представленных примеров бот, несмотря на схожие намерения и распознанные сущности бот дает осмысленные ответы. В случае намерения greet, мы понимаем что $NAME - имя клиента, а в случае намерения want мы понимаем что $NAME название пиццы.

Улучшение интеллектуального развития бота

Описанные ранее общие сведения применяются для работы NLP у многих компаний, это довольно простая схема, только у неё есть недостаток - бот не способен ориентироваться в контексте. Это значит что во всех примерах из таблицы 1 всегда будет один и тот же ответ.

Для предоставления боту большего интеллекта в NLP от QuData используются забываемые намерения, а также механизм сохраняющий историю общения с клиентом.

Забываемые намерения - это такие намерения, которые происходят вне основного направления бота и забываются при первом же обычном намерении.

Благодаря этому Вам бот может ориентироваться в контексте, а также обрабатывать более сложные цепочки диалогов, например, такие:

Желтым выделены забываемые намерения.

Сообщение 👩	Сущности	Намерение	Ответ 💻
Хочу фанту	$DRINKS = фанта	want	Сколько фанты Вы хотите?
А сколько она стоит?	-	[ want, what-is-the-price ]	Фанта стоит 20 гривен.
Тогда три	$NUMBER = 3	[ want, number ]	Я добавила в заказ 3 фанты

Сообщение 👩	Сущности	Намерение	Ответ 💻
/start	-	start	Здравствуйте. Меня зовут Бот. Как Вас зовут?
Меня зовут Катя	$NAME = Екатерина	[start, my name is]	Очень приятно Екатерина, рад знакомству.
Привет	-	greet	Всегда рад поздороваться повторно.
Meня зовут Маша	$NAME = Мария	my name is	Понятно... То есть Вас зовут Мария?
Нет.	-	deny	Как же Вас тогда зовут?
Даша	$NAME = Дарья	name	Понятно... То есть Вас зовут Дарья?
Да	-	yes	Хорошо, Дарья, я это запомню.
Meня зовут Даша	$NAME = Дарья	my name is	Да, Дарья, я знаю.
Я хочу фанту	$DRINKS = фанта	want	Сколько фанты Вы хотите?