Recherche sémantique
Dans cet article, nous parlerons du choix de correspondance « Recherche sémantique ».
La recherche sémantique dans le type de correspondance des blocs — c’est une IA entraînée à extraire le contexte à partir des conditions intégrées dans le message du client.
Les blocs sont prioritaires par rapport à l’assistant IA, vous pouvez donc utiliser un bloc avec une condition et une option de correspondance « comparaison de sens » si vous souhaitez envoyer au client une réponse clairement vérifiée et prédéfinie.
Fonctionnement
La recherche sémantique compare le sens entre le message d’un utilisateur et des conditions prédéfinies, plutôt que de s’appuyer sur une correspondance exacte des mots-clés.
Principe de base
Le système analyse le contexte et l’intention dans le message de l’utilisateur et recherche une correspondance avec le sens intégré dans la condition de déclenchement.
Flux de traitement
L’IA extrait le sens sémantique du message du client.
Le système compare ce sens aux expressions sémantiques définies dans les conditions du déclencheur.
Si une correspondance sémantique est trouvée, le chatbot traite l’événement correspondant dans le bloc (par exemple, l’envoi d’un message spécifique).
Exemple
Dans la condition, nous définissons une expression sémantique (par exemple, « clôture des comptes et actes »). Si l’IA identifie ce sens dans la remarque de l’utilisateur, elle déclenche le bloc d’événement associé.
Voici à quoi ressemble le paramétrage du bloc :
Lors du choix d’une correspondance « Recherche sémantique », le bot doit trouver dans le message du client des mots/expressions de sens similaire, qui sont basés sur le déclencheur du bloc :
Chaque fois que le bot traite le message du client, il exécute correctement l’événement nécessaire dans le bloc.
Comment écrire un déclencheur
Le déclencheur dans le champ correspondant est rédigé de la même manière que les autres déclencheurs pour toute sélection de correspondance :
Créer des conditions claires, concises et précises est essentiel pour les performances, la fiabilité et l’expérience utilisateur. Voici pourquoi c’est important :
Traitement correct : Des conditions précises garantissent que le chatbot identifie et exécute correctement l’événement prévu.
Vitesse de traitement : Des expressions complexes, ambiguës ou verbeuses augmentent le temps de traitement de l’IA et peuvent dégrader la vitesse de réponse.
Fiabilité du schéma : Une formulation vague accroît le risque de mauvaise interprétation, ce qui peut entraîner un comportement incorrect de votre workflow.
Évitez dans vos conditions les mots trop complexes, les termes ambigus et les longues expressions composées de plusieurs phrases.
Exemple d’une condition de déclenchement efficace
Un exemple de condition de déclenchement INcorrecte:
Évitez les conditions de déclenchement à un seul mot
Bien que les conditions doivent être concises, elles doivent aussi être porteuses de sens sémantique. Un seul mot (par exemple, « facture ») manque souvent de contexte pour une correspondance sémantique précise.
Utilisez des expressions descriptives
Au lieu de mots isolés, utilisez de courtes expressions descriptives qui traduisent l’intention.
Exemple :
❌ « facture »
✅ « paiement de facture mensuelle »
Cela fournit un contexte plus clair au modèle d’IA pour effectuer une comparaison sémantique précise.
Principe clé
L’IA compare le sens des conditions, et pas seulement les mots-clés. Une expression bien définie établit les critères sémantiques nécessaires à une correspondance fiable.
Exemple
Lorsque vous rédigez des déclencheurs plus détaillés pour la recherche sémantique, l’IA comprend le contexte et répond rapidement.
Si vous définissez une condition de déclenchement en utilisant uniquement un mot unique (comme dans l’exemple ci-dessous), l’IA peut ne pas détecter suffisamment de contexte et ne déclenchera pas de réponse, ce qui se traduira par une absence de réaction.
De plus, le bloc avec les bons paramètres ne fonctionne pas, car l’IA ne peut pas trouver le déclencheur du bon bloc dans le message du client et ne peut lui envoyer aucun message.
Attention
De plus, si le déclencheur de la recherche sémantique est incorrect (trop court ou ambigu), l’IA peut répondre à de tels déclencheurs au mauvais moment ou au mauvais endroit.
Exemple de chatbot IA pour station intelligente
Dans cet exemple, nous allons démontrer clairement la priorité des blocs sur les assistants IA et la recherche par contexte dans le message du client avec le choix du type Recherche sémantique.
Dans le constructeur de chatbot, nous créons deux blocs « Start », dans chacun desquels nous choisissons le type « Recherche sémantique » et le message « Allumer/éteindre la lumière » :
Bloc 1 « Allumer la lumière »
Bloc 2 « Éteindre la lumière »
Pour comprendre qu’il s’agit du bloc qui a été exécuté, et non de l’assistant IA, nous ajouterons une ligne supplémentaire dans le message de chaque bloc.
Ensuite, nous passons à l’assistant IA.
Création d’un bot avec le rôle d’« assistant IA universel ».
À des fins de démonstration, nous n’appliquerons aucune restriction au comportement de l’assistant lors du traitement des blocs.
Tous les paramètres sont maintenant terminés. Passons aux tests.
Lancez une discussion avec la station intelligente pour commencer.
Comme nous n’avons limité la station d’aucune façon, elle peut parler de sujets totalement abstraits.
Maintenant, dans le contexte de notre message, nous indiquons le sens clé — allumer ou éteindre la lumière :
Le bot a fonctionné correctement.
Ainsi, aux moments où le déclencheur du bloc n’est pas rempli, l’assistant fonctionne.
En revanche, si le bot détecte le contexte défini par la condition du bloc, c’est le bloc lui-même qui sera déclenché.
Mis à jour