Best practice per la modellazione degli argomenti

Segui queste linee guida sulle best practice per ottenere il massimo dai tuoi modelli di argomenti.

Ottimizzare un modello di argomento

Il modo migliore per migliorare le assegnazioni degli argomenti è ottimizzare il modello. Segui queste linee guida per ottimizzare il modello degli argomenti quando aggiungi, modifichi e rimuovi argomenti.

Aggiungere o modificare un argomento

Evita di aggiungere argomenti duplicati o simili perché influiranno negativamente sulla qualità delle inferenze sugli argomenti. Quando crei o modifichi un argomento, applica le seguenti linee guida per la denominazione e la descrizione.

Nome

  • Utilizza argomenti brevi e descrittivi di 3-6 parole, ad esempio risoluzione dei problemi del telecomando o informazioni sulle norme di fatturazione.

  • Evita nomi generici o astratti, ad esempio Vendite.

Se vuoi, segui queste best practice:

  • Utilizza nomi di argomenti personalizzati facilmente disponibili, ad esempio Fatturazione.

  • Aggiungi una breve descrizione al nome dell'argomento, ad esempio "Errori di fatturazione e rimborsi".

  • Scegli una configurazione del modello adatta in base ai risultati che vuoi ottenere.

Esempio

Un centro assistenza per carte di credito esegue il topic modeling sui log delle chiamate di assistenza archiviate. Il modello crea un argomento da un cluster di conversazioni e lo denomina Richieste relative a carta di credito oltre il limite. L'attività abbrevia il nome in Richieste di limite di credito.

Descrizione

  • Utilizza una descrizione generale seguita da alcuni esempi.

  • Evita di includere informazioni personali come nomi, date o località.

  • Un livello di dettaglio eccessivo, ad esempio "non includere l'argomento X", può influire negativamente sull'inferenza degli argomenti.

Esempi

  • Il cliente sta chiedendo informazioni sul suo servizio di telefonia fissa. Potrebbe volerlo annullare o chiedere informazioni sulla fatturazione corrente.

  • Il cliente chiede informazioni sulla sua fattura. Potrebbe voler conoscere l'importo o la data di scadenza.

Rimuovere gli argomenti secondari

Dopo aver eseguito il deployment del modello di argomenti e completato un'analisi, controlla la distribuzione degli argomenti nella pagina Dati del modello di argomenti di cui è stato eseguito il deployment. Gli argomenti secondari potrebbero essere l'argomento dominante nei risultati implementati perché possono essere comuni e avere corrispondenze più precise. Gli argomenti che corrispondono a una percentuale elevata (superiore al 30%) delle conversazioni campione sono probabilmente argomenti secondari. Esamina attentamente questi argomenti ed eliminali se non sono pertinenti.

L'esistenza o meno di argomenti secondari irrilevanti dipende molto dai dati di input. Se tutti gli argomenti principali nella pagina Dati di cui è stato eseguito il deployment hanno una distribuzione relativamente uniforme e ogni argomento corrisponde solo a una piccola percentuale (meno del 20%) delle conversazioni, probabilmente non ci sono argomenti secondari da eliminare.

Dati di addestramento

Per i dati vocali, la qualità degli output di Speech-to-Text è fondamentale per il rendimento del modello di argomenti. Segui queste linee guida per migliorare la qualità dei dati di addestramento.

Conversazioni

  • Evita di utilizzare conversazioni duplicate nel set di dati.

  • Ogni conversazione deve contenere almeno 10 turni totali, 5 dell'agente e 5 del cliente.

  • Utilizza le conversazioni oscurate, ma controlla la qualità dell'oscuramento di Cloud Data Loss Prevention. A volte la redazione rimuove informazioni importanti dalle trascrizioni, il che può influire sulla durata delle conversazioni di addestramento.

  • Assicurati che quasi tutte le conversazioni siano nella stessa lingua.

Ruoli degli speaker

Assicurati che i ruoli dell'oratore della conversazione siano assegnati correttamente dopo l'importazione della conversazione.

  • Etichetta con precisione i turni di conversazione come provenienti da un cliente o da un agente. Le conversazioni con un solo ruolo non verranno utilizzate per l'addestramento.

  • Utilizza AGENT per i ruoli umani e AUTOMATED_AGENT per quelli virtuali.

  • Utilizza END_USER o CUSTOMER per i ruoli cliente.