النشرة الإخبارية
Sed ut Persiciatis unde.
تحقق من وجود ايجابيات خاطئة وطلبات بحث خارج النطاق
تشير الاستعلامات خارج النطاق إلى الأسئلة التي فشل المساعد الافتراضي في فهمها. في مثل هذه الحالات ، من الممكن أيضًا تحديد الإيجابيات الخاطئة – المواقف التي يعتقد فيها المساعد الافتراضي عن طريق الخطأ أنه قد فهم طلب المستخدم بشكل صحيح عندما يكون في الواقع قد أساء تفسير نية المستخدم.
ستجد أدناه مزيد من التفاصيل حول سيناريوهات TP و TN و FP و FN مع أمثلة:
صحيح إيجابي
تشير الإيجابيات الحقيقية (TP) إلى الحالات التي يحدد فيها المساعد الظاهري بشكل صحيح نية الكلام. على سبيل المثال ، إذا قال المستخدم “ما حالة الطقس اليوم؟” ، وقام المساعد الافتراضي بتعريف القصد بشكل صحيح على أنه “get_weather” ، فسيكون هذا أمرًا إيجابيًا حقيقيًا.
في هذا المثال ، يتم تعيين النية بشكل صحيح إلى تحقق من الرصيد، ومن ثم فهي إيجابية حقيقية
سلبي حقيقي
تشير السلبيات الحقيقية (TN) إلى الحالات التي يحدد فيها المساعد الظاهري بشكل صحيح أن الكلام لم يتطابق مع أي من المقاصد المحددة. على سبيل المثال ، إذا قال المستخدم “لست متأكدًا مما تقصده” ، وحدد المساعد الافتراضي بشكل صحيح أن هذا لا يتطابق مع أي من النوايا المحددة ، فسيكون ذلك سلبيًا حقيقيًا.
في المثال التالي ، لم يتطابق نطق المستخدم “للغاية المحتمل” مع أي مقاصد محددة ويتم تصنيفها على أنها قصد غير محدد.
إيجابية كاذبة
تشير الإيجابيات الكاذبة (FP) إلى الحالات التي يحدد فيها المساعد الافتراضي بشكل غير صحيح نية الكلام. على سبيل المثال ، إذا قدم المستخدم اسم حسابه المصرفي ، وقام المساعد الافتراضي بتعريف الهدف بشكل غير صحيح على أنه “إغلاق الحساب” ، فسيكون هذا خطأ إيجابيًا.
سلبي خطأ
تشير السلبيات الكاذبة (FN) إلى الحالات التي يحدد فيها المساعد الافتراضي بشكل غير صحيح أن الكلام لم يتطابق مع أي من المقاصد المحددة. على سبيل المثال ، إذا قال المستخدم “ما حالة الطقس اليوم؟” ، وحدد المساعد الافتراضي بشكل غير صحيح أن هذا لا يتطابق مع أي من النوايا المحددة ، فسيكون هذا خطأ سلبيًا.
في هذا المثال ، تم تعيين عبارة “إنشاء حساب” بشكل خاطئ على أنها نية غير محددة ، وبالتالي ستكون سلبية كاذبة.
أعد تدريب نماذج التعلم الآلي الخاصة بك
بمجرد تحديد الإيجابيات الكاذبة والاستعلامات خارج النطاق ، فإن الخطوة التالية هي إضافة تلك البيانات أو الأقوال أو تلك الاستعلامات مرة أخرى إلى بيانات التدريب. يعد تحسين نماذج التعلم الآلي من خلال إعادة التدريب المستمر أمرًا أساسيًا لتعزيز ذكاء مساعدك الافتراضي. تساعد هذه الخطوة الحاسمة في تقليل التناقضات وتحسين كيفية فهم المساعد الافتراضي للمستخدم أثناء المشاركة.
الطريقة الثانية: تغيير نطاق وقائع الاستخدام الخاصة بك
هناك طريقة أخرى لتحسين أداء البرمجة اللغوية العصبية وهي تغيير نطاق حالات الاستخدام الخاصة بك. على سبيل المثال ، قد يكون لديك حالتا استخدام فريدتان متشابهتان لفظيًا وقد يطرح المستخدمون أسئلتهم بطريقة مماثلة لكليهما. على سبيل المثال ، “تحويل الأموال” و “إجراء الدفع” هما حالتا استخدام فريدان قد يطلبهما المستخدمون بطريقة مماثلة.
هذا هو السبب في أن مرحلة تحديد النطاق والتصميم للمساعد الافتراضي الخاص بك أمر بالغ الأهمية. قد تكتشف أن بعض الاستعلامات يتم تصنيفها بشكل غير صحيح تحت نية خاطئة. تتيح لك هذه الرؤية إعادة النظر في نطاق كل حالة استخدام وتعديله ، مما يضمن أنها محددة بما يكفي لمطابقة استفسارات المستخدم بدقة ، مع كونها أيضًا شاملة بما يكفي لتشمل مجموعة متنوعة من الطرق التي يمكن أن يُسأل عنها موضوع ما.
لمعرفة المزيد حول بناء وتحسين المساعدين الافتراضيين تقوم بمراجعة صفحة التوثيق الخاصة بنا حول تحسين أداء البرمجة اللغوية العصبية.
تريد معرفة المزيد؟
نحن هنا لدعم رحلتك التعليمية. هل أنت مستعد لتولي بناء الروبوت ولكنك لست متأكدًا من أين تبدأ؟ تعلم مهارات الذكاء الاصطناعي للمحادثة واحصل على شهادة على منصة Kore.ai Experience Optimization (XO).
كشركة رائدة في منصات وحلول الذكاء الاصطناعي للمحادثة ، تساعد Kore.ai المؤسسات على أتمتة تفاعلات الأعمال في المكاتب الأمامية والخلفية لتقديم تجارب غير عادية لعملائها ووكلائها وموظفيها.
xnxx,
xvideos,
porn,
porn,
xnxx,
Phim sex,
mp3 download,
sex 4K,
Straka Pga,
gay teen porn,
Hentai haven,
free Hentai,
xnxx,
xvideos,
porn,
porn,
xnxx,
Phim sex,
mp3 download,
sex 4K,
Straka Pga,
gay teen porn,
Hentai haven,
free Hentai,
اكتشاف المزيد من إشراق العالم
اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.