意図

エンドユーザーがチャットボットに連絡するとき、彼らは特定の目標を持っています。例: チャットボットに連絡して、情報を取得したり、アクションを実行したり、問題を解決したりする場合があります。チャットボットは、関連するアクションを実行できるように、エンドユーザーのメッセージの目標を特定する必要があります。

チャットボットは、インテントを使用してこれらの目標を特定します。プロセスは次のとおりです。

1. エンド ユーザーが持つ可能性のある潜在的な目標のリストを特定します。
2. 目標ごとに、意図を作成します。
3. 関連するダイアログに意図を割り当てます。
4. エンドユーザーがメッセージを送信すると、チャットボットはメッセージの関連する意図を識別し、ユーザーを意図に関連付けられたダイアログに誘導します。

例: 予約を管理するチャットボットの場合:

ユーザーのメッセージの終了	メッセージの目的	目標に一致するインテント	会話のルーティング先のダイアログ
新しい予約を作成したい	予約を作成するには	Create_booking	作成
予約の変更が必要	予約を管理するには	Manage_booking	取り締まる
予約をキャンセルできますか?	予約をキャンセルするには	Cancel_booking	キャンセル

意図のトレーニング データセット

各意図には、チャットボットが正しい意図を識別するのに役立つトレーニングデータセットがあります。トレーニングデータセットには、トレーニングフレーズと重要な単語が含まれています。

トレーニングフレーズ

トレーニングフレーズは、エンドユーザーがチャットボットに送信する可能性のある一連のサンプルメッセージです。これらのフレーズは、チャットボットがエンドユーザーが何を望んでいるかを理解するのに役立ちます。その後、チャットボットは関連するアクションを実行できます。

例：

	Manage_booking 意図	手荷物の意図
トレーニングフレーズ	予約を変更したいです。 予約の管理を手伝ってください。 予約を変更したいです。 予約の管理についてサポートが必要です。 予約の変更方法を教えてください。	手荷物許容量について教えてください。 手荷物は何個まで持ち込めますか? 機内持ち込み手荷物と受託手荷物の違いは何ですか? 機内持ち込み手荷物はどのくらいまで持ち込めますか? 受託手荷物許容量とは何ですか?

トレーニング フレーズは、1 つの単語、フレーズ、または完全な文にすることができます。トレーニングフレーズの数が多いほど、チャットボットが適切なアクションを実行する可能性が高くなります。

大事な言葉

トレーニングフレーズと同様に、重要な単語もインテントの識別に役立ちます。重要な単語は、チャットボットが意図を一意に識別するのに役立つ 1 つの単語です。

重要な単語の追加は必須ではありません。ただし、同様の意図がある場合は、重要な単語を追加すると、正しい意図を特定するのに役立ちます。

次の例では、重要な単語 Manage と Cancel が 2 つの意図を区別するのに役立ちます。

	Manage_booking 意図	Cancel_booking 意図
トレーニングフレーズ	予約を変更したいです。 予約の管理を手伝ってください。 予約を変更したいです。 予約の管理についてサポートが必要です。 予約の変更方法を教えてください。	予約をキャンセルしたいです。 予約を破棄するのを手伝ってください。 予約をキャンセルしたいです。
大事な言葉	取り締まる	キャンセル

類義語:エンドユーザーがチャットボットに応答するときに、重要な単語のバリエーションを使用する場合があります。例: 「管理」という単語を使用する代わりに、エンド ユーザーは「再スケジュール」と言う場合があります。これらのバリエーションをトレーニングデータセットに追加する必要があります。これらのバリエーションを個別の重要な単語として追加する代わりに、既存の重要な単語の同義語として追加できます。例: 重要な単語「管理」には、再スケジュール、移動、変更、および更新の同義語を追加できます。

チャットボットは、エンドユーザーの応答に重要な単語または同義語が含まれているかどうかに関係なく、同じアクションを実行します。

名前付きエンティティ認識属性

名前付きエンティティ認識 (NER) 属性を使用して、エンド ユーザーが非構造化テキストで応答したときに情報を抽出します。NERは自然言語処理(NLP)の一部です。NERの目標は、エンドユーザーのメッセージ内の情報(エンティティ)を認識して分類することです。これらのエンティティは、1 つの単語または単語のセットのいずれかです。

NER属性をAIチャットボットのインテントと組み合わせて使用します。

NER属性には、次のフィールドがあります。

名前

NER 属性の名前。例: mobile_attribute.

種類

NER属性は、次のいずれかのデータ型を持つことができます。

• 標準 NER 属性タイプ
• カスタムデータ型

標準 NER 属性タイプ

NER属性は、次のNER対応データ型のいずれかを持つことができます。これらのデータ型の動作は、標準属性のデータ型とは異なります。

• 市区町村: GeoNames (opens in a new tab) からのデータセット
• 国: GeoNames (opens in a new tab) のデータセット
• 通貨: 数値、金額、通貨名、コード、記号
• 日付: 日付は YYYY-MM-DD の形式で格納されます。
  • エンド ユーザーのメッセージに月/日/年の形式の日付が含まれている場合、日付は正しく格納されません。
  • エンド ユーザーのメッセージに異なる形式の日付が含まれている場合、Answers は日付を YYYY-MM-DD 形式に変換します。
  • この属性は、英語の月の名前のみをサポートします。
  • 日付の一部が欠落している場合、Answers は値を 0 として格納します。例: 終了ユーザーのメッセージに「3 月 1 日」が含まれていて、年が欠落している場合、日付は 0-3-1 として格納されます。
  • この属性は、次の値を受け入れます。 日: 1 から 31 まで、または欠落している 月: 1 から 12 まで、または欠落している 年:1900年から2100年まで、または欠落しています
  • 日 (DD) 情報が存在する場合は、月情報 (MM) も存在する必要があります。
  • 例：

    ユーザーのメッセージの終了	日付属性
    2023年3月1日	2023-3-1
    01/03/2023	2023-3-1
    1.3.2023	2023-3-1
    1/3/2023	2023-3-1
    1-3-2023	2023-3-1
    2023年3月1日	2023-3-1
    3月1日	0-3-1
    3 月	0-3-0

• 曜日: 曜日のテキスト (英語)
• 数字: 数字で書かれた数字。例: タイプ Number の NER 属性を使用して、顧客番号を抽出します
• 相対日付: 次の相対日付をサポートします。
  • 今日
  • 昨日
  • 明日
  • DAY_BEFORE_YESTERDAY
  • DAY_AFTER_TOMORROW
  • LAST_MONTH
  • LAST_YEAR
  • THIS_MONTH
  • THIS_YEAR
  • NEXT_MONTH
  • NEXT_YEAR 例：

    ユーザーのメッセージの終了	相対日付属性
    今日はそんなことがあったの?	今日
    一昨日ですか?	DAY_BEFORE_YESTERDAY
    明後日ですか	DAY_AFTER_TOMORROW
    あれは前の月だったっけ?	LAST_MONTH
    あれは先月だったかな?	LAST_MONTH

標準データ型の検証

標準データ型	条件	検証
都市	次の値と等しい |次の値と等しくない |null である |is not null (null でない)	GeoNames からのデータセット
国	次の値と等しい |次の値と等しくない |null である |is not null (null でない)	GeoNames からのデータセット
通貨	次の値と等しい |次の値と等しくない |null である |is not null (null でない)	数値と通貨名/コード/記号
Date (日付)	次の値と等しい |次の値と等しくない |が前である |次の値より前または等しい |次 |次の値より後または等しい |null である |is not null (null でない)	テキスト内の単語が日付エレメント(日、年、または月)であるかどうかをチェックします
曜日	次の値と等しい |次の値と等しくない |null である |is not null (null でない)	英語の曜日のテキスト入力
数	次の値と等しい |次の値と等しくない |が前である |次の値より前または等しい |次 |次の値より後または等しい |null である |is not null (null でない)	数字で書かれた数字

カスタムデータ型

Answersによって定義されるNER対応データ型に加えて、NER属性のカスタムデータ型を作成できます。カスタム データ型を使用して、エンド ユーザー メッセージ内の定義済みのエンティティ値を識別します。

カスタムデータ型を作成し、カスタム値を追加します。エンド ユーザーのメッセージにカスタム値の 1 つが含まれている場合は、それに応じてフローを指示するようにチャットボットを構成します。カスタムデータ型の使用方法を説明する例については、エンティティを使用するセクションを参照してください。

カスタム データ型では、大文字と小文字が区別されます。そのため、エンドユーザーが使用するのと同じ形式で値を追加します。

AI がサポートするすべての言語は、カスタム データ型をサポートしています。

言語ごとにサポートされているデータ型

属性タイプを使用できるかどうかは、チャットボットの言語によって異なります。

英語、スペイン語、ポルトガル語では、次の NER 属性タイプがサポートされています。

• 都市
• 国
• 通貨
• Date (日付)
• DayOfWeek関数
• 数
• 相対日付
• カスタムデータ型

他の言語では、次の NER 属性タイプがサポートされています。

• 数
• カスタムデータ型

サブタイプ

NER属性タイプのサブカテゴリ。サブタイプを使用すると、エンド ユーザーからの応答の 'to' 値と 'from' 値を取得できます。例: チャットボットがフライトの予約用である場合は、2 つの 市区町村 タイプの NER 属性と ソース と Target のサブタイプを使用して、「出発地」と「到着地」の市区町村をキャプチャします。

NER 属性には、次のいずれかのサブタイプがあります。

• 源
• ターゲット
• 何一つ

サブタイプはオプションです。ただし、同じ type の 2 つの NER 属性を意図に割り当てる場合は、属性ごとにサブタイプを定義する必要があります。また、これらの各属性のサブタイプは異なっている必要があります。

サブタイプを追加しない場合、意図に追加できるのは特定のタイプの属性を 1 つだけです。

例: Intent_1の場合、市区町村タイプの以下の属性を追加し、そのサブタイプを定義することができます。

• Location_from属性 - ソース サブタイプ
• Location_to属性 - Targetサブタイプ
• ロケーション属性 - None サブタイプ

エンド ユーザーがメッセージを送信すると、属性は次のように認識されます。

ユーザー メッセージの終了	Location_from属性[ぞくせい]	Location_to属性[ぞくせい]	ロケーション属性
ロンドンからザグレブへ旅行したい	ロンドン	ザグレブ	空
ザグレブに行きたいです	空	ザグレブ	空
ザグレブに行きたい	空	空	ザグレブ

スコープ

スコープは次のいずれかになります。

• ダイアログ: 属性値はダイアログに固有です。他のダイアログでは、属性値はデフォルト値であるか、空白です。

  例: opt_in 属性のデフォルト値は False です。特定のダイアログで、opt_in 属性値が True に変わります。ただし、他のすべてのダイアログでは、属性の既定値は False のままです。

• チャットボット: 属性値は、チャットボットのすべてのダイアログで同じです。

  例: opt_in 属性のデフォルト値は False です。特定のダイアログで、opt_in 属性値が True に変わります。他のすべてのダイアログでは、属性の値は True になります。

List (リスト)

NER 属性が単一値用かリスト用かを選択できます。属性を 1 つの値として定義すると、属性にはエンド ユーザーのメッセージから最初に関連する値が格納されます。属性をリストとして定義すると、属性にはエンド ユーザーのメッセージから関連するすべての値が格納されます。

例: 市区町村の名前を市区町村属性に格納するとします。最後のユーザーメッセージは「ロンドン、チェンナイ、ザグレブを訪問したい」です。city 属性を 1 つの値として定義すると、エンド ユーザーの応答の最初の都市、つまりロンドンが格納されます。city 属性をリストとして定義すると、エンド ユーザーの応答にすべての都市 (ロンドン、チェンナイ、ザグレブ) が格納されます。

属性をリストとして定義するには、リスト を選択します。それ以外の場合、属性は 1 つの値として設定されます。

属性をリストとして定義すると、他の Answers 要素を使用して特定の情報を取得できます。

例: エンド ユーザーから市区町村の名前を取得するとします。エンドユーザーのメッセージは「ロンドン、チェンナイ、ザグレブに行きたい」です。

1. city 属性をリストとして定義します。city は、エンド ユーザーの応答にすべての市区町村を格納します。したがって、都市にはロンドン、チェンナイ、ザグレブが含まれます。

2. 条件エレメントを使用して、市区町村属性の値の数を特定します。

3. 値の数が 1 の場合は、チャットボット フローの次のステップでこの値を使用します。

4. 値の数が 1 を超える場合は、クイック返信またはカルーセル エレメントを使用して、値のリストから特定の値を指定するようにエンド ユーザーに依頼します。 この例では、値の数は 3 です。そのため、クイック返信またはカルーセルエレメントを使用して、3つの値から特定の都市ユーザー最後に尋ねます。 「これらの都市のうち、どの都市から旅を始めたいですか?ロンドン、チェンナイ、ザグレブ"

5. エンド ユーザーはザグレブを選択します。

6. ユーザー応答エレメントの保存 検証 を使用して、1 つの値、つまりザグレブのみが市区町村属性に格納されていることを確認します。

エージェントが使用可能

このフィールドを選択すると、チャットがチャットボットからConversationsのエージェントに転送されるときに、NER属性値がエージェントに表示されます。

Conversations では、属性値は会話のコンテクストカードと会話履歴に表示されます。

機密データ も選択した場合、属性値は Answers と Conversations でハッシュ値として表示されます。

エージェントから属性値を非表示にするには、このフィールドの選択を解除します。

機密データ

このフィールドを選択すると、デフォルト値を含む属性値がデータベースに格納されるときに暗号化されます。そのため、属性値は Answers と Conversations でハッシュ化されたデータとして表示されます。

例: メッセージは次のように表示されます。 このフィールドが無効になっている場合: *口座残高は2123.32です。 このフィールドが有効な場合: 口座残高は ####.##.

このフィールドは、NER 属性に機密データが含まれている場合に使用します。この設定は、チャットがライブエージェントに転送される場合に特に便利です。

この機能は、アウトバウンド属性にのみ適用されます。

ユーザー インターフェイス

「インテント」タブ

インテントタブでは、チャットボットのインテントを表示および管理できます。

次の操作を実行できます。

• インテントのリストを表示します。各意図には、次の情報が表示されます。

  • 名前: 意図の名前
  • トレーニング フレーズ: 意図のトレーニングに使用されるフレーズの数
  • 重要な単語:意図で使用される重要な単語の数
  • NER属性:意図で使用されるNER属性の数
  • 使用者: 意図を使用するダイアログ

• 意図を検索します。検索ボックスを使用します。

• インテントを名前で並べ替えます。名前 列ヘッダーを選択します。

• 意図のトレーニングフレーズ、重要な単語、およびNER属性を表示および管理します。意図を選択し、関連するタブに移動します。

• 意図エンジンを選択をチャットボットに使用してください。

• 作成意図。

• インポート インテントをチャットボットに追加します。

• エクスポートインテント。

• 削除 1 つ以上のインテント。

「トレーニングフレーズ」タブ

意図のトレーニングフレーズを表示および管理するには、インテントタブに移動し、意図>トレーニングフレーズタブに移動します。

次の操作を実行できます。

• トレーニングフレーズのリストを表示します。
• トレーニング フレーズを検索します。検索ボックスを使用します。
• 作成 手動または AI を使用して、トレーニング フレーズを使用します。
• トレーニングフレーズを編集します。トレーニング フレーズの横にある鉛筆アイコンを選択します。
• 削除 1 つ以上のトレーニングフレーズ。

「重要な単語」タブ

意図の 重要な単語 タブでは、意図の重要な単語を表示および管理できます。

次の操作を実行できます。

• 重要な単語のリストを表示します。
• 重要な単語を検索します。検索ボックスを使用します。
• 作成重要な単語。
• 重要な単語とその類義語を編集します。重要な単語の横にある鉛筆アイコンを選択し、必須フィールドを更新します。
• 削除 1つ以上の重要な単語。

「カスタム・データ・タイプ」タブ

[属性] タブ> カスタム データ型 タブでは、チャットボット内のカスタム データ型を表示および管理できます。

次の操作を実行できます。

• カスタムデータ型のリストを表示します。
• カスタム データ型に含まれるリスト アイテムの数を表示します。リスト項目 列を参照してください。
• カスタムデータ型を検索します。検索ボックスを使用します。
• カスタム データ型を名前で並べ替えます。カスタム型名 列ヘッダーを選択します。
• 作成 カスタムデータ型。
• カスタムデータ型とそのカスタム値を編集します。カスタム データ型の横にある鉛筆アイコンを選択し、必要なフィールドを更新します。
• 削除 1 つ以上のカスタムデータ型。

[NER 属性] タブ

属性 タブ> NER 属性 タブでは、チャットボットのカスタム データ型を表示および管理できます。

次の操作を実行できます。

• NER属性のリストを表示します。
• NER属性のフィールド値を表示します。フィールドの詳細については、NER 属性 のドキュメントを参照してください。
• NER属性を検索します。検索ボックスを使用します。
• NER属性を名前でソートします。名前 列ヘッダーを選択します。
• 作成NER属性。
• NER属性を編集します。NER 属性の横にある鉛筆アイコンを選択し、必要なフィールドを更新します。
• 削除 1つ以上のNER属性。

操作方法

インテントの操作

チャットボットでインテントを使用するには、次の操作を行います。

1. (オプション)既定では、チャットボットは Answers NLU 意図エンジンを使用します。選択 必要に応じて、別の意図エンジンを使用します。
2. エンド ユーザーが持つ可能性のある潜在的な目標のリストを特定します。
3. 目標ごとに 意図を作成 を行います。
4. トレーニングフレーズの作成 を意図ごとに作成します。
5. (オプション)重要な単語を追加するを、正しい意図の識別を改善するための意図に。
6. (オプション)NER属性を使用するをインテントに含めます(エンド・ユーザーが非構造化テキストで応答することが予想される場合)。
7. 意図を割り当てるを関連するダイアログに追加します。

エンドユーザーがメッセージを送信すると、チャットボットはメッセージの関連する意図を識別し、ユーザーを意図に関連付けられたダイアログに誘導します。

チャットボットの意図エンジンを選択する

早期アクセス

チャットボットで使用する必要がある意図エンジンを選択します。次のいずれかを選択できます。

• Answers NLU: これは Infobip のAnswers 意図検出エンジンです。
• インフォビップジェネレーションAI意図検出:これはインフォビップジェネレーティブAI意図エンジンです。GenAIの言語機能を搭載し、ほとんどの言語をサポートしています。

意図エンジンを選択しない場合、チャットボットはデフォルトでAnswers NLUエンジンを使用します。

意図を作成する

インテントの作成については、guidelinesを参照してください。

意図は、「インテント」タブまたはダイアログから作成できます。

「意図」タブから意図を作成する意図

1. Infobip Web インターフェイス (opens in a new tab)で、Answers >チャットボット に移動し、チャットボットに移動します。

2. [インテント] タブに移動します。

3. (オプション)既定では、チャットボットは Answers NLU 意図エンジンを使用します。選択 必要に応じて、別の意図エンジンを使用します。

4. [意図の追加] を選択します。

5. 鉛筆アイコンまたは [新しい意図] テキスト内をクリックし、意図の名前を入力します。

   

6. 意図 エンジンとして Infobip GenAI Intent detection を選択した場合は、意図 の 説明 を入力します。説明は、意図エンジンが意図の目的を理解し、ユーザーのメッセージの意図を識別するのに役立ちます。

   例: *この意図は、銀行サービスのカスタマーサポートを提供するチャットボットの口座残高を確認するために使用されます。

7. 意図に [トレーニング フレーズ](./意図#トレーニング フレーズの追加方法) を追加します。

ダイアログ内から意図を作成する

インテントは、標準ダイアログからのみ作成できます。[デフォルト]、[認証]、および [セッションの有効期限] ダイアログからインテントを作成することはできません。

以下の手順に従います。

1. Infobip Web インターフェイス (opens in a new tab)で、Answers >チャットボット に移動し、チャットボットに移動します。

2. [ダイアログ] タブで、意図を作成するダイアログを選択します。

   

3. インテント設定セクションで、メニューを選択し、新しい意図の作成を選択します。

   

4. 意図の名前を入力し、チェックマークを選択します。

   

5. [インテント] タブに移動します。

6. (オプション)既定では、チャットボットは Answers NLU 意図エンジンを使用します。選択 必要に応じて、別の意図エンジンを使用します。

7. 作成した意図を選択します。

8. 意図 エンジンとして Infobip GenAI Intent detection を選択した場合は、意図 の 説明 を入力します。説明は、意図エンジンが意図の目的を理解し、ユーザーのメッセージの意図を識別するのに役立ちます。

   例: *この意図は、銀行サービスのカスタマーサポートを提供するチャットボットの口座残高を確認するために使用されます。

9. 意図に [トレーニング フレーズ](./意図#トレーニング フレーズの追加方法) を追加します。

意図にトレーニングフレーズを追加する

トレーニングフレーズは、次の方法で追加できます。

• 手動
• AI を使用して自動生成する (早期アクセス)

手動で追加する

トレーニングフレーズの作成については、guidelinesを参照してください。

1. [インテント] タブに移動します。

2. トレーニングフレーズを追加する意図を選択します。

3. トレーニング フレーズ タブで、トレーニング フレーズを入力し、追加 を選択します。

   

人工知能を使用して自動生成する

早期アクセス

一度に最大 60 個のトレーニング フレーズを生成できます。60 を超えるトレーニング フレーズが必要な場合は、フレーズを複数回 (月に最大 100 回) 生成します。

トレーニング フレーズを複数回生成すると、重複が作成される可能性があります。チャットボットはこれらの重複を破棄し、意図に一意の値のみを追加します。

次の手順に従って、一連のトレーニング フレーズを生成します。

1. [インテント] タブに移動します。

2. トレーニングフレーズを追加する意図を選択します。

3. [トレーニング フレーズ] タブで、**[AI を使用して生成] を選択します。

   

4. フレーズの生成 サイド パネル> インテントの説明 セクションで、意図の説明を追加します。スペース、改行、特殊文字を含めて最大 512 文字を追加できます。

   

5. フレーズの例セクションで、エンドユーザーがこの意図のチャットボットを送信することを期待するサンプルメッセージを追加します。これらの例は、AI エンジンが必要な種類のトレーニング フレーズを作成する際のガイドです。 以下のガイドラインに従ってください。

   • 最低 2 つのトレーニング フレーズを追加する必要があり、最大 10 個のトレーニング フレーズを追加できます。
   • サンプルのトレーニングフレーズがユニークで多様であることを確認してください。
   

6. インテント言語 フィールドで、トレーニング・フレーズを生成する言語を選択します。

   

7. 生成するトレーニングフレーズの数を指定します。最大 60 を指定できます。

   

8. [フレーズの生成] を選択します。 ステータスは、トレーニングフレーズが作成中であることを示しています。

   

   トレーニングフレーズの準備が整うと、チャットボットに通知が表示されます。

   これで、トレーニングフレーズが意図に使用できるようになりました。

   

意図に重要な単語を追加する

重要な単語の作成については、ガイドラインを参照してください。

1. [インテント] タブに移動します。
2. 重要な単語を追加する意図をクリックします。
3. 重要な単語 タブで、重要な単語の追加 をクリックします。
4. 重要な単語を入力します。
5. (オプション)シノニムを追加します。

NER属性を作成し、意図に追加する

次の各セクションの手順を順番に実行します。

1. 既存の意図を使用するか、新しい意図を 作成 します。
2. カスタムデータ型を作成します。
3. カスタムデータ型を使用するNER属性を作成します。
4. 意図に NER 属性を追加します。

カスタム データ型を作成する

1. Infobip Web インターフェイス (opens in a new tab)で、Answers >チャットボット に移動し、チャットボットに移動します。

2. 属性 タブ> カスタム データ型 タブに移動します。

3. [データ型の追加] をクリックします。

4. [新しいカスタム データ型] ウィンドウ> [名前**] フィールドに、カスタム データ型の名前を入力します。例: mobile_devices.

5. このデータ型に含めることができる各値を追加します。例: 携帯電話、タブレット、ラップトップ。大文字と小文字を含む、エンド ユーザーが応答すると予想される正確な形式で値を入力します。

   カスタム値を追加するには、[追加] を選択し、値を入力します。

6. 保存 を選択します。

NER属性の作成

1. 属性 タブ> NER 属性 タブに移動します。
2. [NER 属性の追加] をクリックします。
3. 次のフィールドを設定します。これらのフィールドの詳細については、NER属性のドキュメントを参照してください。
   • 名前: 属性の名前を入力します。例: mobile_attribute.
   • 種類: 作成したカスタム データ型を選択します。条件エレメントでNER属性を使用する場合は、属性の検証セクションを参照して、正しいタイプを選択してください。
   • サブタイプ: 関連するサブタイプを選択します。
   • スコープ: 属性がダイアログまたはチャットボットのどちらであるかを選択します。
   • リスト: NER属性が単一の値用かリスト用かを選択します。
   • エージェントが使用可能: このフィールドの選択を解除すると、チャットがチャットボットから Conversations のエージェントに転送されるときに、エージェントから属性値が非表示になります。
   • 機密データ: Answers および Conversations で属性値をハッシュ値として表示する場合は、このフィールドを選択します。
   

意図に NER 属性を追加する

1. [インテント] タブに移動します。
2. 必要な意図を選択し、NER属性タブに移動します。
3. **[NER 属性の追加] を選択します。
4. 作成した NER 属性を選択します。

ダイアログに意図を割り当てる

意図を作成したら、関連するダイアログに割り当てます。例: Manage_booking 意図を「管理」ダイアログに割り当てます。

インテントは、標準ダイアログにのみ割り当てることができます。「デフォルト」、「認証」および「セッションの有効期限」ダイアログにインテントを割り当てることはできません。

1. チャットボットエディタで、ダイアログの名前をクリックして設定を表示します。
2. 既存の意図を使用するには、リストから意図を選択します。
3. ダイアログの新しい意図を作成するには、インテントの作成セクションを参照してください。

エンティティを使用してダイアログを分岐する

エンドユーザーが同様の製品またはカテゴリについてチャットボットに連絡する場合は、製品ごとに個別の意図とダイアログを作成する必要があります。フローを指示するときは、製品ごとにブランチを追加する必要があります。各意図に同様のトレーニングフレーズのセットを追加する必要がある場合があります。

また、複数の製品がある場合、多数のインテントとブランチにつながる可能性があります。

この状況を回避するには、次のいずれかを実行します。

• 類似した製品の数が少ない場合は、エンティティ値に基づいて分岐できます。
• 類似した製品が多数ある場合は、エンティティの種類に基づいて分岐できます。

エンティティ値に基づく分岐

例:エンドユーザーは、CarA、CarB、CarCなど、さまざまな自動車ブランドについてチャットボットに連絡します。

エンティティ値に基づいて分岐するには、次の手順を実行します。

1. 自動車のカスタム データ タイプを作成し、ブランドを属性値として追加します。
2. NER属性を作成します。Type フィールドで、カスタム データ型を選択します。
3. すべての自動車ブランドのトレーニングフレーズを含む意図を作成します。
4. 意図に NER 属性を追加します。
5. NER属性の値に基づいてチャットボットを分岐します。
6. シミュレーターでフローをテストします。例: CarB に関する質問を入力すると、チャットボットは CarB のダイアログに移動します。

エンティティの種類に基づく分岐

例:エンドユーザーは、さまざまな自動車のブランドやモデルについてチャットボットに連絡します。

• CarA - Model_A1、Model_A2、Model_A3、Model_A4
• 炭水化物 - Model_B1、Model_B2、Model_B3、Model_B4
• CarC - Model_C1、Model_C2、Model_C3

エンティティタイプに基づいて分岐するには、次の操作を行います。

1. 自動車ブランドごとにカスタム データ タイプを作成し、モデルを属性値として追加します。
   • Entity_CarA = {Model_A1, Model_A2, Model_A3, Model_A4}
   • Entity_CarB = {Model_B1, Model_B2, Model_B3, Model_B4}
   • Entity_CarC = {Model_C1, Model_C2, Model_C3}
   
2. 各自動車ブランドのNER属性を作成します。Type フィールドで、カスタム データ型を選択します。
3. すべての自動車ブランドのトレーニングフレーズを含む意図を作成します。
4. 意図に NER 属性を追加します。
5. NER属性に基づいてチャットボットを分岐します。
6. シミュレーターでフローをテストします。例: Model_B3に関する質問を入力すると、チャットボットは CarB のダイアログに移動します。

インテントのインポート

インテントとトレーニング・フレーズを1つずつ手動で追加するのではなく、追加するプロセスを自動化します。

次のセクションの手順を順番に実行します。

1. (オプション)参照用にサンプルファイルをダウンロードします。
2. インテント、トレーニング・フレーズ、重要な単語およびシノニムを含むファイルを作成します。
3. 完成したファイルをアップロードします。

サンプルファイルをダウンロードする

これはオプションのプロセスです。

1. Infobip Web インターフェイス (opens in a new tab)で、Answers >チャットボット に移動し、チャットボットに移動します。
2. [インテント] タブに移動します。
3. [インポート] をクリックします。
4. Download example をクリックします。

ファイルを作成する

エンドユーザーがチャットボットとの会話で使用する可能性のあるフレーズや文を含むファイルを準備します。理想的には、顧客向けポータルから取得したフレーズを使用します。例:カスタマーサービスとのオンラインチャット。

ファイルが次の条件に従っていることを確認します。

• ファイルの種類は .csv または .txt である必要があります。
• 空の行があってはなりません。
• ファイルにはヘッダーがあってはなりません。
• トレーニングフレーズ:
  • 各トレーニングフレーズを別々の行に追加します。
  • セミコロンを使用して、トレーニング・フレーズとインテントを区切ります。
  • トレーニングフレーズを意図別に整理します。
  • 形式： Training_Phrase;意
• 重要な言葉:
  • 重要な単語をそれぞれ別の行に追加します。
  • セミコロンを使用して、重要な単語、意図、および重要な単語の同義語を区切ります。
  • 複数のシノニムを区切るには、コンマを使用します。
  • 重要な単語を意図して整理します。
  • 形式： Important_Word;意;シノニム 1、シノニム 2、シノニム 3

例: Welcome インテントと Goodbye インテントの場合、ファイルは次のようになります。 お元気ですか。;ようこそ どうすればいいですか?ようこそ ありがとうございます。;さようなら お役に立ててうれしいです。さようなら さようなら。;さようなら;さらば、チャオ 閉める;さようなら;終了、終了

ファイルをインポートする

1. Infobip Web インターフェイス (opens in a new tab)で、Answers >チャットボット に移動し、チャットボットに移動します。
2. [インテント] タブに移動します。
3. [インポート] をクリックします。
4. ファイルを選択します。
5. [インポート] をクリックします。

ファイルに問題がある場合、Answers はエラーを表示します。

• ファイルの種類が正しくない
• 形式が正しくありません。例: 区切り文字が間違っている

インテントのエクスポート

1. Infobip Web インターフェイス (opens in a new tab)で、Answers >チャットボット に移動し、チャットボットに移動します。
2. [インテント] タブに移動します。
3. ページで 1 つ以上のインテントを選択します。すべてのインテントをエクスポートするには、インテント名のチェックボックスを選択します。
4. [エクスポート] をクリックします。

インテントは、事前定義された形式で.csvファイルとしてダウンロードされます。

意図の名前を変更する

1. 意図をクリックします。
2. 意図の名前をクリックするか、鉛筆アイコンをクリックします。
3. 新しい名前を追加します。

意図を削除する

意図を削除すると、そのをダイアログに追加できなくなります。意図が既にダイアログに追加されている場合、その意図はダイアログから削除されます。

インテントを削除するには、[インテント] タブに移動し、次のいずれかのオプションに従います。

1 つの意図を削除する

1 つの意図を削除するには、意図の横にある 削除 アイコンを選択します。確認画面で、[削除] を選択します。

複数のインテントを削除する

ページで 1 つ以上の意図を選択し、[削除] を選択します。すべての意図を削除するには、名前 列ヘッダーの横にあるチェック ボックスをオンにし、**[削除] を選択します。

確認画面で、[削除] を選択します。

意図内から削除する

1. 意図を選択して開きます。
2. [削除] アイコンをクリックします。
3. 確認画面で、[削除] を選択します。

トレーニングフレーズを削除する

トレーニングフレーズを削除するには、インテントタブに移動します。トレーニングフレーズを削除する意図で、トレーニングフレーズタブに移動します。

次のいずれかの操作を行います。

• トレーニング フレーズを 1 つ削除するには、トレーニング フレーズの横にある [削除] アイコンを選択します。
• 複数のトレーニング フレーズを削除するには、ページで 1 つ以上のトレーニング フレーズを選択し、**[削除] を選択します。
• すべてのトレーニング フレーズを削除するには、[フレーズ] 列ヘッダーの横にあるチェック ボックスをオンにし、[削除] を選択します。

確認画面で、[削除] を選択します。

重要な単語を削除する

重要な単語を削除するには、[インテント] タブに移動します。トレーニング フレーズを削除する意図で、重要な単語 タブに移動します。

次のいずれかの操作を行います。

• 重要な単語を 1 つ削除するには、重要な単語の横にある [削除] アイコンを選択します。
• 複数の重要な単語を削除するには、ページ上の 1 つ以上の重要な単語を選択し、**[削除] を選択します。
• 重要な単語をすべて削除するには、単語 列ヘッダーの横にあるチェック ボックスをオンにし、[削除] を選択します。

確認画面で、[削除] を選択します。

NER属性の削除

NER属性を削除するには、属性タブ>NER属性タブに移動します。

次のいずれかの操作を行います。

• 1 つの NER 属性を削除するには、NER 属性の横にある [削除] アイコンを選択します。
• 複数の NER 属性を削除するには、ページで 1 つ以上の NER 属性を選択し、**[削除] を選択します。
• すべての NER 属性を削除するには、名前 列ヘッダーの横にあるチェック ボックスをオンにし、削除 を選択します。

確認画面で、[削除] を選択します。

カスタムデータ型を削除する

カスタム データ型を削除するには、[属性] タブ> [カスタム データ型]** タブに移動します。

次のいずれかの操作を行います。

• 1 つのカスタム データ型を削除するには、カスタム データ型の横にある [削除] アイコンを選択します。
• 複数のカスタム データ型を削除するには、ページで 1 つ以上のカスタム データ型を選択し、**[削除] を選択します。
• すべてのカスタム データ型を削除するには、カスタム型名 列ヘッダーの横にあるチェック ボックスをオンにし、[削除] を選択します。

確認画面で、[削除] を選択します。

テストインテント

Answersがチャットボットのインテントをどの程度認識しているかを確認します。

シミュレーターで、次の操作を行います。

1. Start [シミュレーション] をクリックします。
2. 終了ユーザーメッセージを入力します。
3. インテント エンジン をクリックします。

右側のペインには、次の情報が表示されます。

一致した意図: トークン化 テキストをトレーニング フレーズに対して評価することによって認識された最高スコアの意図。正しくない意図が一致した場合は、「正しくない意図が一致する」(./intents#正しくない意図が一致するトラブルシューティング)セクションの手順に従います。

ダイアログへのルーティング: チャットボットの構築時に認識された意図 (一致した意図 セクション) にリンクされたダイアログ。

元のテキスト: 自動修正やその他の後処理アクションなど、変更のない元の終了ユーザー メッセージ。

トークン化されたテキスト: 単語の自動修正とストップワードの削除後に取得されたテキスト。

自動修正: 自動修正が適用されたかどうかを示します。オートコレクトが適用された場合、フィールド値は true です。

解決された属性: 認識された意図に対して構成された解決済みの NER 属性。

どのダイアログでも、意図エンジンの詳細はそのダイアログの外部でのみ使用できます。

トラブルシューティング

意図されたトレーニングフレーズの数が他よりも多いまたは少ない

システムは、1つのインテントのトレーニング・フレーズの数が他のインテントよりも大幅に多いまたは少ないことを検出しました。すべてのインテントに同じ数のトレーニングフレーズを使用します。

正しくない意図が一致します

意図の一致が正しくない場合は、トークン化されたテキストセクションを確認して、意図スコアの評価に使用された単語を理解します。

例: チャットボットは、「予約」、「予約のキャンセル」、および「予約の再スケジュール」というインテントを使用します。Answers が「予約をキャンセル」ではなく「予約」を意図として誤って認識する場合は、次の 1 つ以上の操作を行います。

• 正しい意図にトレーニングフレーズを追加します(予定のキャンセル)。
• 一部のトレーニング・フレーズをインテント間で再配置します(「予約」から「予約のキャンセル」へ)
• 意図が類似している場合は、それらを 1 つの意図にマージし、別のアプローチを使用してアクションを区別します。例: 名前付きエンティティ認識 (NER) とカスタム データ型の組み合わせを使用します。エンティティを使用してダイアログを分岐する > エンティティ型に基づく分岐 セクションを参照してください。

解析学

認識されないインテントの特定

会話分析の認識されないインテントメッセージリストを使用して、チャットボットが意図を識別できないエンドユーザーメッセージを特定します。

このリストにユーザー開始メッセージも含まれている場合は、これらのメッセージをトレーニングフレーズとして開始意図に含める必要があることを意味します。

このリストに、トレーニング・フレーズまたはインテントの可能性がある予期していなかったメッセージが含まれている場合は、これらのメッセージをトレーニング・フレーズとして使用するか、必要に応じて新しいインテントを作成します。