NLPを搭載したバーチャルアシスタント
自然言語処理とは、コンピュータが人間の言葉を理解して処理する能力のことです。バーチャルアシスタントの分野では、ユーザーの意図を判断し、発話から情報を抽出し、ユーザーと会話をしながらタスクを実行・完了させるためにNLPを使用します。
発話
発話とは、ユーザーによる発言を指します。バーチャルアシスタントを使用すると、ユーザーの要求全般に基づいて個別に、論理的順序で、または同時に処理が行われた複数の文で、発話を構成することができます。


意図の認識
意図とは、ユーザーが達成したいと思っている事柄を指します。ほとんどの意図は、「商品の検索」、「資金の移動」、「航空券の予約」のような単純な個別のタスクであり、通常は動詞と名詞の組み合わせで記述されます。このようなタイプの意図がユーザーとの対話を開始して、より多くの情報を取得したり、リモートシステムからデータを取得して更新したり、進捗状況をユーザーに通知したりします。
インテントの認識における目標は、意図されたタスクや質問とユーザーの発話を正しく一致させることです。Kore.aiでは、一般的に意図を示す単語の組み合わせを定義するいくつかのトレーニングモデルによって、ユーザーの意図を決定します。

エンティティの抽出
エンティティとは、ユーザーの意図を定義したり、形にしたり、変更したりするもので、日付や時刻、場所など、インテントを実行するために必要なものです。エンティティには通常、「dateTime」のような名前が付けられ、スロットと呼ばれることもあります。
エンティティ抽出の目的は、タスクを完了するために必要な要素を特定することです。これらの要素には、数字や日付のような単純なものから、住所や空港名のような複雑なもの、製品カテゴリのようなユーザー定義の領域などがあります。Kore.aiプラットフォームは、20以上のシステムエンティティの識別と抽出をサポートしています。

Kore.aiの多重NLPエンジンアプローチ
Kore.aiはユーザーの意図を理解するために独自のハイブリッドなアプローチをとっています。機械学習モデルベースのエンジン、セマンティックルールベースのモデル、ドメインタクソノミーやオントロジーベースのモデルを使用しています。このアプローチにより、当社のバーチャルアシスタントはユーザー入力を高い精度で理解できるだけでなく、複雑な人間的な会話を知的に管理することができるのです。

深層ニューラルネットワーク
機械学習(ML)エンジンは、統計モデリングや深層ニューラルネットワークを使用して、インテントごとにまとまったサンプル文から意図予測モデルをトレーニングします。
MLモデルは,各ボットタスクに対してすべてのトレーニング用発話を評価し,それらを四象限(True Positive(True +ve)、True Negative(True -ve)、False Positive(False +ve)、False Negative(False -ve))のいずれかに位置づけます。
主な特徴:- N-gram、エンティティマーキング、レンマ化、ストップワードの排除、同義語など、深層ニューラルネットワークをベースにしたテキスト分類アルゴリズムの特徴を使用します
- 名前付きエンティティ認識(NER)と抽出に条件付きランダムフィールドを使用し、オプションで深層ニューラルネットワークベースのNERを使用することもできます
- 各インテントとエンティティのサンプル発話を使用してトレーニング済みです
- 教師あり学習をサポートし、ボットのパフォーマンスを監視し、必要に応じて手動で調整を行います
- 可視化して微調整することで、最高の結果を得ることができます
- ユーザーの会話から発話の自動トレーニングを可能にします。
- カスタマイズ可能な機械学習パイプライン
- 教師なしのMLをサポートし、意図、フロー、ドロップアウトなどの使用状況に関する分析を行います

ファンダメンタルミーニングエンジン
ファンダメンタルミーニング (FM) モデルは、品詞と組み込みの概念を考慮してユーザーの発話の各単語を識別し、それをバーチャルアシスタントが実行できる意図と関連付けます。このモデルは、ユーザ発話の各単語の基準バージョンを使って入力形式を作成します。
主な特徴:- 意味規則と言語コンテキストを利用してインテントの一致を決定する決定論的モデル
- 同義語、ビルトイン、カスタム概念やパターンを使用しての学習が可能
- 以下を含む様々なセマンティックルールを使用したスコア
-
- 文法
- 品詞
- 単語の一致、機能範囲、単語の位置
- 文章構造

オントロジーベースのナレッジグラフエンジン
ナレッジグラフ(KG)モデルでは、主要なドメイン用語の階層構造を作成し、それらをコンテキストに応じた質問やそれに代わるもの、同義語、機械学習対応のクラスと関連付けることができます。
特徴:- よくある質問(FAQ)のテキストを知的でパーソナライズされた会話体験に変換します
- 業界用語と関係性を使用します
- 多くのトレーニングは必要としません
- 必須とマークされた用語の単語の重要度と誤検出の軽減を可能にします
- Mlが混乱した場合にオントロジーウェイトの特徴を有効にする機能
- 適切な回答を決めるための自動会話ダイアログ
ランキング及び解決:ウィニングインテントを見極めるには
Kore.aiプラットフォームのランキングエンジンと解決エンジンは、ユーザーの発話に基づいて最適インテントを決定するために使用されます。ランキング及び解決に基づいて、エンジン間の最適インテントを把握します
特徴:- すべてのモデルのスコアに基づいて最適なインテントの一致を決定します
- 各エンジンからの完全一致とあいまい一致が互いにランク付けされます
- 一致しない場合は、あいまい性の排除ダイアログが起動します。
NLPによる会話のインテリジェンス
人間の会話は決して単純明快なものではありません。入力された内容から人間の意図を理解するには、文脈が手がかりとなります。自然言語理解(NLU)エンジンはインテントとエンティティを識別するのに役立ちますが、与えられた文脈の中で正しいインテントやエンティティを選択することがバーチャルアシスタントの会話を管理するための鍵なのです。Kore.aiの多重NLPエンジンのアプローチは、バーチャルアシスタントによる複雑な会話への対応を可能にします。

ダイアログ管理
バーチャルアシスタントは、会話を遮るもの、複数のリクエスト、エンティティの変更や明確化など、人間の会話に関連するあらゆるニュアンスを管理します。

コンテキストの認識
バーチャルアシスタントは短期記憶と長期記憶を保持して会話を生産的なものにし、人間と同じように会話の中でインテントを切り替えることができます。

心情の分析
バーチャルアシスタントは、ユーザーの心情を分析し、人間への引継ぎや回答のスタイル変更など、次の行動を判断します。
Kore.aiの多重NLPエンジンを使用するメリット
個々のエンジンには専門的な機能が多く備わっていますが、それぞれには限界もあります。Kore.aiの独自のNLP技術は、個々のNLPモデルの弱点を克服しています。3つのエンジンは異なる視点でお互いを補完し合います。その結果には相関性があり、分析することで正確に意図を識別します。この方法はKore.ai独自のもので、その他のほとんどのソリューションは、1つに依存しています。
機能 | MLエンジンのみ | FMエンジンのみ | KGエンジンのみ | 複数のエンジンによるアプローチ (Kore.ai) |
---|---|---|---|---|
ユーザーの発話サンプルに基づいた学習 | ||||
タスク名やパターンを使った最小限のトレーニング | ||||
同義語の使用 | ||||
定型文の使用 | ||||
文法と品詞の使用 | ||||
ドメイン用語の優先順位と関係性に基づいた判断 |
Kore.ai NLPテクノロジーを使用するメリット

バーチャルアシスタントが誤検出を抑えて顧客の発言を正しく解釈

バーチャルアシスタントによるユーザーとの総合的なコミュニケーション

バーチャルアシスタントのコミュニケーションをユーザーやチャネルごとにパーソナライズ可能

ローコードのユーザーインターフェースでバーチャルアシスタントを簡単にトレーニング

バーチャルアシスタントは比較的少ないトレーニングデータで自然言語の解釈が可能

開発のギャップや誤検出を開発者が素早く解決

誤検出を開発者が素早く解決

開発者による様々な解析ツールを使った機械学習モデルのデバッグや改善
専門家に相談する
会話型AIプロジェクトの導入は当社にお任せください。