Zur Veranschaulichung dieses Konzepts wollen wir testen, ob die Chatbot das Konzept der Maschinenversicherung versteht. Um zu bestätigen, dass der Chatbot in der Lage ist, Sprache über Maschinenversicherungen zu erkennen, ohne sie mit anderer Sprache zu verwechseln, die als Lerndaten eingegeben wurde, müssen wir Tests (in Form von Phrasen) schreiben, die typische Merkmale der Sprache enthalten, und Berichte mit geeigneten Maßstäben für die Bewertung der Präzision des Chatbots definieren. Die Qualitätsmaßstäbe für den Chatbot können auf unterschiedliche Weise definiert werden. Aber insgesamt müssen Sie eine sehr wichtige Frage beantworten: Was meinen wir damit, dass der Chatbot lernt, die Klassifizierung von Phrasen zu verbessern?!

Die Antwort ist nicht so einfach. Nehmen wir an, wir haben die folgenden Kategorien für den Chatbot definiert:

  • Maschinenversicherung
  • Maschinentechnik
  • Typ der Maschine
  • Kosten des Kredits

Wenn der Nutzer den Satz "Ich möchte eine Versicherung für meine neue Maschine abschließen" eintippt, bedeutet das nicht, dass der Chatbot ihn nur einer Kategorie zuordnen wird. Der Klassifikator sollte einen Satz mit einem sehr großen "Wert" nur einer Kategorie zuordnen, aber dieser Satz kann auch anderen Kategorien mit einem kleinen Wert zugeordnet werden, z. B:

Klassifizierung ScoreKategorie Name
91%Maschinenversicherung
41%Maschinentechnik
30%Typ der Maschine
17%Kosten des Kredits

Der Ausdruck "Ich möchte eine Versicherung für meine neue Maschine abschließen" wurde als Maschinenversicherung mit einem Wert von 91% klassifiziert, während der Betrag in der Zeile darunter anzeigt, dass dieser Satz den Kosten für die Maschinenversicherung mit einem Wert von 41% entspricht. Die beiden anderen Kategorien haben einen noch kleineren Wert, der mit dem eingegebenen Satz übereinstimmt. Gehen wir davon aus, dass die Werte für die Zuordnung eines Satzes zu einer Kategorie im Intervall (0; 1) liegen.

Aus den oben gezeigten Ergebnissen lässt sich daher schließen, dass der Chatbot diesen Satz sicher klassifiziert, da die Differenz zwischen dem ersten gültigen Klassifizierungswert und dem zweiten gleich 50% ist.

Bei der Einstufung eines Satzes können unter anderem folgende Punkte Probleme verursachen

  1. ein zu geringer Unterschied zwischen den ersten beiden zugewiesenen Kategorien
  2. der Wert des richtigen Satzes ist zu niedrig
  3. gleichmäßige Verteilung der Kategorieklassifizierung, was bedeutet, dass der Chatbot nicht weiß, wie er einen Satz klassifizieren soll

Indem man einen Chatbot testet, kann man ihn nicht nur trainieren und sein Verständnis verbessern, sondern auch einen systematischen Ansatz für den Umgang mit neuer Sprache entwickeln, der dazu führt, dass ein Chatbot auf einem fortgeschritteneren Niveau arbeitet und seine Verständnis- und Kommunikationsfähigkeiten verbessert.

Überprüfung der Genauigkeit der Chatbots Die Klassifizierung von Phrasen ist ein entscheidender Aspekt bei der Entwicklung der Fähigkeiten eines Chatbots und ermöglicht es ihm, wie beim Unterrichten von Kindern, selbständig zu lernen und seine Wissensbasis auszubauen.

Ailleron -  Zwischen den Zeilen lesen: Überprüfung der Genauigkeit von Chatbot-Sätzen

Ailleron

Das Marketingteam von Ailleron besteht aus digitalen Vermarktern und Inhaltserstellern, die Einblicke und Fachwissen aus dem gesamten Unternehmen zur Verfügung stellen, einschließlich #AilleronExperts. Für Medienanfragen wenden Sie sich bitte über unser Kontaktformular an uns.

abstrakte Linien

Lassen Sie uns finanzielle Erfahrungen machen
einfach und angenehm zusammen!

Sagen Sie uns, was Sie brauchen, und wir werden uns in Kürze mit Ihnen in Verbindung setzen.

Sagen Sie uns, was Sie brauchen, und wir werden uns in Kürze mit Ihnen in Verbindung setzen.