다음 권장사항 가이드라인에 따라 주제 모델을 최대한 활용하세요.
주제 모델 미세 조정
주제 할당을 개선하는 가장 좋은 방법은 모델을 미세 조정하는 것입니다. 주제를 추가, 수정, 삭제할 때 다음 가이드라인에 따라 주제 모델을 최적화하세요.
주제 추가 또는 수정
주제 추론의 품질에 부정적인 영향을 미치므로 중복되거나 유사한 주제를 추가하지 마세요. 주제를 만들거나 변경할 때는 다음 이름 지정 및 설명 가이드라인을 적용하세요.
이름
원격 제어 문제 해결 또는 청구 정책 문의 와 같이 3~6단어로 구성된 짧고 설명적인 주제를 사용하세요.
판매 와 같은 일반적이거나 추상적인 이름은 사용하지 마세요.
필요에 따라 다음 권장사항을 따르세요.
청구 와 같이 바로 사용할 수 있는 맞춤 주제 이름을 사용하세요.
'청구 오류 및 환불'과 같이 주제 이름에 짧은 설명을 추가하세요.
원하는 결과에 따라 적합한 모델 구성을 선택하세요.
예
신용카드 지원 센터에서 보관된 지원 통화 로그에 주제 모델링을 실행합니다. 모델링은 대화 클러스터에서 주제를 만들고 신용카드 한도 초과 문의 라고 이름을 지정합니다. 비즈니스에서 이름을 신용 한도 문의 로 줄입니다.
설명
일반적인 설명 뒤에 몇 가지 예를 사용하세요.
이름, 날짜, 위치와 같은 개인 정보는 포함하지 마세요.
'X 주제를 포함하지 마세요'와 같이 너무 자세한 내용은 주제 추론에 부정적인 영향을 미칠 수 있습니다.
예
고객이 유선 전화 서비스에 관해 문의합니다. 고객이 서비스를 취소하거나 현재 청구에 관해 상담하고 싶어 할 수 있습니다.
고객이 청구서에 관해 문의합니다. 고객이 금액 또는 결제 기한을 알고 싶어 할 수 있습니다.
보조 주제 삭제
주제 모델을 배포하고 분석을 완료한 후 배포된 주제 모델 데이터 페이지에서 주제 분포를 확인하세요. 보조 주제는 일반적이고 더 강력한 일치 항목을 가질 수 있으므로 배포된 결과에서 지배적인 주제일 수 있습니다. 샘플 대화의 높은 비율 (30% 초과)과 일치하는 주제는 보조 주제일 가능성이 높습니다. 이러한 주제를 주의 깊게 검토하고 관련이 없는 경우 삭제하세요.
관련 없는 보조 주제가 있는지 여부는 입력 데이터에 크게 좌우됩니다. 배포된 데이터 페이지의 모든 주요 주제가 비교적 균등하게 분포되어 있고 각 주제가 대화의 작은 비율 (20% 미만)과만 일치하는 경우 삭제할 보조 주제가 없을 수 있습니다.
학습 데이터
음성 데이터의 경우 Speech-to-Text 출력의 품질은 주제 모델의 성능에 매우 중요합니다. 다음 가이드라인에 따라 학습 데이터의 품질을 개선하세요.
대화
데이터 세트에서 중복 대화를 사용하지 마세요.
각 대화에는 상담사 5명과 고객 5명으로 구성된 총 10개 이상의 턴이 포함되어야 합니다.
수정된 대화를 사용하되 Cloud Data Loss Prevention 수정 품질을 확인하세요. 때로는 수정으로 인해 트랜스크립트에서 중요한 정보가 삭제되어 학습 대화의 길이에 영향을 미칠 수 있습니다.
거의 모든 대화가 동일한 언어로 되어 있는지 확인하세요.
화자 역할
대화가 수집된 후 대화의 화자 역할이 올바르게 할당되었는지 확인하세요.
대화 턴에 고객 또는 상담사로부터 온 것이라고 정확하게 라벨을 지정하세요. 역할이 하나만 있는 대화는 학습에 사용되지 않습니다.
사람 역할에는
AGENT를 사용하고 가상 역할에는AUTOMATED_AGENT를 사용하세요.고객 역할에는
END_USER또는CUSTOMER를 사용하세요.