AI検索のためのNLUワークベンチを始めよう
目次
- はじめに
- AI検索のためのNLUモデルとは
- NLUワークベンチの使用方法
- NLUモデルの作成
- 4.1 モデルのビルドとトレーニング
- 4.2 モデルのテストと改善
- 4.3 モデルの公開と使用
- ジーニアスリザルトのマッピング
- AI検索の活用方法
- NLUワークベンチのサポート
- よくある質問
AI検索のためのNLUモデルとは
AI検索では、NLU(自然言語理解)モデルがユーザーのフレーズや「発話」を特定の「意図」とマッピングします。また、モデルは発話の詳細や「エンティティ」(具体的なソフトウェアアプリなど)も識別します。例えば、「Miroにアクセスする方法は?」という発話は、「FindCatalogItem」という意図と「Miro」というエンティティにマッピングされます。AI検索は、これらの意図とエンティティを使用して、ユーザーの検索に対するジーニアスリザルトを表示します。
NLUワークベンチの使用方法
AI検索のためのNLUモデルを作成するためには、NLUワークベンチを使用します。NLUワークベンチには、次の3つのフェーズがあります。
4.1 モデルのビルドとトレーニング
まず、ユーザーからの予想される発話を識別するために、モデルをビルドしてトレーニングする必要があります。各意図に対して、ユーザーが実際に入力する可能性のある発話のセットを作成します。各意図には、少なくとも15の異なる発話が必要です。発話データを更新すると同時に、モデルをトレーニングして変更内容を反映させます。また、モデルのパフォーマンスを確認するためにテスト用の発話セットも作成します。モデルが使用されている場合は、必要に応じてモデルを改善したり新しい発話を追加したりするために、ビルドとトレーニングのフェーズに戻ることもできます。
4.2 モデルのテストと改善
作成したモデルをテストするために、テストセットを使用します。テストスコアは、モデルがテスト用の発話をどれだけ正確に処理できるかを示します。テスト結果を利用してモデルを改善し、再びトレーニングとテストを繰り返します。テストスコアに満足したら、モデルを公開してAI検索で使用できるようにします。
4.3 モデルの公開と使用
モデルのトレーニングが完了したら、次のフェーズであるテストと公開に進みます。AI検索で使用するために、モデルを公開します。最終的に、ジーニアスリザルトのマッピングを行うためにNLUモデルのタブでモデルを開き、対応するNLU意図をジーニアスリザルトに追加します。ユーザーの検索でNLU意図が検出されると、AI検索はこのジーニアスリザルトを表示します。
AI検索の活用方法
AI検索を使用することで、ユーザーの検索エクスペリエンスを向上させることができます。NLUワークベンチを利用して適切なモデルを作成し、意図とエンティティを正確にマッピングすることで、AI検索が適切なジーニアスリザルトを提供できるようになります。AI検索により、ユーザーはより迅速かつ正確な検索結果を得ることができます。
NLUワークベンチのサポート
NLUワークベンチの使用方法やトラブルシューティングに関する詳細は、製品ドキュメントやナレッジベースを参照してください。また、ServiceNowコミュニティで質問することもできます。
よくある質問
Q: NLUワークベンチでモデルを作成するために必要なものはありますか?
A: NLUワークベンチでモデルを作成するためには、ビジネスに合わせて意図と発話のデータを用意する必要があります。
Q: NLUモデルのテストスコアはどのように計算されますか?
A: テストスコアは、テスト用の発話セットを使用してモデルをテストした結果から計算されます。
Q: AI検索のジーニアスリザルトをカスタマイズすることは可能ですか?
A: はい、NLUモデルのタブで対応するNLU意図をジーニアスリザルトに追加することで、カスタマイズすることができます。
リソース: