Intents

Chatbot Technologien nutzen Machine Learning, um die Natürliche Sprache der Nutzer einer vorher definierten Absicht (Intent) zuzuordnen.

Grundprinzip von Intents

Gängige Systeme wie beispielsweise Google Dialogflow [1], IBM Watson Assistant [2] und Microsoft LUIS [3] arbeiten meist nach dem Prinzip von Intents.

Dabei werden im Voraus für den Use Case des Chatbots relevante Nutzerabsichten/Intents definiert. Dies geschieht durch das Hinterlegen von möglichen Nutzereingaben und einer dazugehörigen Antwort. Anfragen der Nutzer werden anhand der Nutzeräußerung einem oder mehreren der bereits definierten Intents zugeordnet (Intent Matching). Dabei wird von den NLP Services meist ein Confidence Level angegeben, das aussagt, wie sicher sich das System bei der Zuordnung der Nutzeräußerung zu einem Intent ist.

Bestandteile eines Intents

Hauptsächlich besteht ein Intent aus den folgenden Komponenten:

  1. Intentname
  2. Utterances
  3. Response

Des weiteren können je nach eingesetzter Technologie noch weitere Bestandteile hinzukommen:

  1. Context
  2. Events
  3. Actions
  4. Parameters/enthaltene Entities
  5. Fulfillment

Beispiel Intent

Intent:

Telefonnummer

Utterances:

“Wie ist Ihre Telefonnummer?”,

“Wo kann ich euch telefonisch erreichen?”,

“Gib mir bitte die Telefonnumer”,

“Ich konnte leider Ihre Nummer nirgendwo finden. Können Sie mir diese bitte mitteilen?”

Response:

“Klar! Unsere Telefonnummer lautet 0931 123456789”

Wichtige Intents

  • Default Fallback Intent
  • Welcome Intent

> Zurück zum BOTwiki - Das Chatbot Wiki

Quellen

[1] https://dialogflow.com/docs/intents

[2] https://docs.microsoft.com/en-us/azure/cognitive-services/luis/luis-concept-utterance

[3] https://cloud.ibm.com/docs/services/assistant?topic=assistant-intents