Chatbot Training

-> zum BOTwiki - Das Chatbot Wiki

Beim Chatbot Training spricht man von einer Verbesserung des Sprachverständnisses und einer Optimierung der Absichtserkennung hinter einer Nutzereingabe. Für das Chatbot Training ist es zum einen wichtig bestehende Nutzerabsichten mit weiteren Fragemöglichkeiten (Utterances) anzureichern und somit sicherzustellen, dass die Erkennungsrate (Confidence Score) ansteigt und somit die Absichten noch besser erkannt werden. Zum anderen ist es wichtig während des Betriebs die eingegangenen Fragen zu überprüfen und herauszufinden, ob Anfragen eingehen, für die kein Intent bzw. Absicht hinterlegt ist. In diesem Fall spielt der Chatbot die Fallback Message aus und kann auf die Frage keine Antwort geben. Um dies zu verbessern sollte der Chatbot trainiert werden und für die Anfragen, für die noch kein Inhalt vorliegt, Intents anzulegen.

Wann trainiert man den Chatbot? 

Das Chatbot Training sollte schon während der Entwicklungsphase stattfinden, um von Beginn an sicherzustellen, dass die passenden Inhalte auf die Anfragen ausgespielt werden. Trotzalledem ist das Training während des Chatbot Betriebs am Wichtigsten, weil dort “echte” Nutzer mit dem Chatbot interagieren und meist erst im Livebetrieb die Schwachstellen bzw. Inhaltslücken zum Vorschein kommen. Im Training ist sehr gut zu erkennen, mit welcher inhaltlichen Erwartungshaltung Nutzer auf den Chatbot zugehen und im Falle, dass Nutzer andere/weitere Inhalte erwarten, sollte zügig eingegriffen werden und der Chatbot weiter antrainiert werden.

Wie kann man den Chatbot trainieren? 

Dieses Training findet in den meisten Fällen direkt in den NLP-Services, wie beispielsweise Dialogflow statt. Hier findet man in einer extra dafür vorgesehenen Sektion Nutzerinterkationen vor, in der man erkennen kann, wie die NLP-Engine Intents zu Nutzeranfragen matched. Hierbei gibt es 3 mögliche Szenarien:

  1. der NLP-Service trifft mit der Nutzeranfrage den richtigen Intent
  2. der NLP-Service weist einer Nutzeranfrage einem falschen, bestehenden Intent zu
  3. der NLP-Service kann für die eingegebene Anfrage keinen Intent finden und spielt den Fallback-Intent aus

Beispiel Bild für die Trainingssektion in Dialogflow:

Trainingssektion in Dialogflow

 

> Zurück zum BOTwiki - Das Chatbot Wiki