Wiredelta

Chatbots

Chatbots are quickly becoming the backbone of modern organisation's customer service. Businesses that do not adopt to chatbots ability to automate will fall short of customer's ever increasing demands for better, faster and cheaper service. Luckily, Wiredelta's rock-star team is here to help using the latest tools from Google's API.AI, IBM's Watson, Amazon's Alexa and Facebook's wit.ai

Natural Language Processing (NLP)

Gennembrud indenfor NLP-algoritmer udgør kerneinnovationen bag moderne chatbots. Lang og omfattende forskning inden for konversationsgrænseflader, der gør det muligt for maskiner at forstå menneskers skriftlige sprog, er intet mindre end et videnskabeligt gennembrud. Universiteter i verdensklasse har arbejdet tæt sammen med teknologigiganter, der kan levere det træningsdata, der kræves for at udvikle disse NLP-algoritmer. Med disse gennembrud ser vi nu de samme virksomheder, som gør NLP-algoritmer nemme at få adgang til og imødekomme specifikke chatbot-behov. Mange værktøjer er udviklet til at hjælpe iværksættere, virksomheder og organisationer med at opbygge en topmoderne chatbot inden for deres område. Google har Dialogflow, Facebook har wit.ai, Amazon har Alexa og endelig IBM med deres berygtede Watson. Alle er billige, nemme at bruge og et utroligt effektivt værktøjer til at forbinde intents med entities via banebrydende NLP-algoritmer.

Hensigter og Enheder

Når du tænker på det, kan enhver samtale du nogensinde har haft, opdeles i to kategorier: Hvad var hensigten, og hvilke enheder bestod min hensigt af. Hver gang du har skrevet noget eller åbnet din mund, havde du til en hensigt. Inden for denne hensigt kan de ord, der består af din hensigt, opdeles i enheder – begreber, som den anden person skal forstå for at forstå din hensigt. Et simpelt eksempel: ‘Hvor er min hund’? Her er din hensigt at finde din hund, og de enheder, som modtageren skal forstå for at svare på hensigten være ‘Hvor’, ‘min’ og ‘hunden’. Den nøjagtig samme struktur gælder for samtaler mellem mennesker og maskiner. Når et menneske skriver eller siger noget, skal chatbotten udvikle sig til at forstå de hensigter og enheder afsenderen har. Derfor er godt træningsmateriale så vigtigt. Når Wiredelta bygger chatbots, er det første spørgsmål altid, hvilke træningsdata klienten har, før vi starter noget arbejde. Træningsdata kan både oprettes eller omstruktureres, hvis de allerede er oprettet af klienten eller kunden, som klienten har. Uanset hvad træningsmateriale er det første skridt i retning af at opbygge en chatbot, der efterligner mennesker.

Kontext

Samtaler handler om kontekst. Som nævnt ovenfor kan alle samtaler opdeles i hensigter og enheder, men den samme hensigt kræver forskellige svar afhængigt af konteksten. For at tage eksemplet ovenfor om ‘Hvor er min hund’. Hvis du står på en hundetræningsfacilit blandt mange andre hunde kontra, hvis du lige er trådt ind hos dyrlægen fordi din hund havde en ulykke, begge kontekster kvalificere sig til hensigten, men svarene kan være meget forskellige på grund af konteksten. Mennesker handler anderledes, når de er i forskellige situationer og med forskellige mennesker, det er en naturlig del af livet, og vi antager automatisk, at maskiner skal reagere forskelligt, når de er i forskellige situationer. Det betyder, at chatbots bygget til at servicere mennesker, skal kunne forstå konteksten for at give en god brugeroplevelse, der efterligner deres menneskelige modparter.

Få tip til forbedring af dit websted, leveret hver mandag morgen.

Vi opbevarer dine data privat og deler kun dine data med tredjeparter, der gør denne tjeneste mulig.Læs vores privatlivspolitik.