NLU+ 구성

NLU+는 에이전트의 대화, 사용자 지정된 대화 상자 및 고객 쿼리에 대한 높은 정확도에 대해 반복 가능한 완전한 제어를 제공합니다. NLU+ 옵션은 대규모 엔터프라이즈급 애플리케이션에 적합합니다. 이러한 유형의 애플리케이션은 일반적으로 많은 수의 토픽 및 엔터티로 구성되며 많은 수의 학습 샘플을 사용합니다. 또한 음성 지원 에이전트가 있는 경우 NLU+ 학습 데이터를 사용하여 음성 인식 기능을 최적화합니다.

NLU+를 사용하면 제조업체가 주석이 추가된 많은 양의 데이터를 추가할 수 있으므로 사용자는 더 높은 의도 라우팅 및 엔터티 추출 정확도를 높일 수 있습니다. 또한 NLU+는 문법 기반에서 생성되므로 추가한 학습 데이터와 정확히 일치하도록 트리거됩니다. 이 기본은 엔터티 항목 및 동의어로 확장할 수도 있습니다. 이 기반을 통해 모델은 주석에 대해 추가한 정확한 의도 및 엔터티를 항상 반환합니다.

NLU+ 모범 사례

NLU+ 모델 및 애플리케이션을 빌드하기 전에 다음 지침을 고려합니다.

• 가능한 한 많은 실제 학습 데이터를 사용합니다. 모델이 의도 또는 엔터티 추출과 같은 작업을 트리거할 수 있는 다양한 방법을 학습하게 하려면 캐리어 구에 다양한 변형을 추가하십시오.
• 엔터티에 주석을 추가할 때 하나의 엔터티 변형 또는 동의어만 충분합니다. 변형을 더 추가해도 추가 값은 추가되지 않습니다.
• 의도와 엔터티의 고유성이 높아질수록 모델 성능이 향상됩니다. 유사한 발화가 다른 의도 내에서 또는 항목 또는 동의어로 사용되는 경우 모델 혼동 가능성이 높습니다.
• 엔터티 리터럴 및 주석에 결정자나 전치사를 포함하지 마세요. 결정자와 전치사를 엔터티 또는 주석 외부에 유지하십시오.

오케스트레이션 및 언어 이해 설정

NLU+를 사용하려면 먼저 생성 AI 오케스트레이션 설정을 구성한 다음, NLU+ 언어 이해 옵션을 선택합니다.

1. 에이전트를 열고 설정을 선택합니다.

2. 에이전트 설정에서 "클래식" Copilot Studio 오케스트레이션 옵션을 선택합니다(생성 AI>오케스트레이션>No).

   

3. 에이전트의 언어 이해 설정에서 NLU+ 옵션을 선택합니다.

   

4. 저장을 선택합니다.

설정 항목 주석

NLU+의 최대값을 반환하려면 각 주제에 대해 트리거 문구에 엔터티 주석을 추가하는 것이 중요합니다. NLU+는 토픽을 트리거하는 샘플 내에 엔터티 주석을 추가하여 항목을 트리거하는 프로세스의 일부로 엔터티를 추출할 수 있습니다.

엔터티에 연결된 변수를 사용하여 엔터티에 주석을 추가합니다. 이 링크를 사용하면 토픽 내에서 동일한 엔터티를 여러 번 사용하거나, 토픽 간에 공유하거나, 다른 토픽 내에서 서로 다른 복사본을 만들 수 있습니다.

엔터티 구문

프로젝트에서 엔터티를 사용하는 경우 다음 구문을 사용하여 엔터티를 생성해야 합니다.

• {Topic.Variable_Name/Entity_item_or_synonym}: 이 구문은 특정 토픽으로 범위가 지정된 지역 변수에 사용됩니다.
• {Gloabl.Variable_Name/Entity_item_orsynonym}: 이 구문은 모든 항목에서 사용되는 전역 변수에 사용됩니다.

다음 예제에서는 엔터티의 형식을 지정하는 방법을 보여 줍니다.

"{Topic.fromCity/Boston}에서 {Topic.toCity/NewYork}으로 가는 {Topic.noPass/2}명의 승객을 위한 {Topic.travelDate/tomorrow} 클래스 항공권 {Topic.class/First} 예약"

엔터티는 유용하지만 엔터티를 사용하지 않는 프로젝트가 있는 것도 일반적입니다. 프로젝트에서 엔터티를 사용하는 경우에도 모든 샘플에 엔터티 주석이 필요한 것은 아닙니다. 토픽에 연결된 엔터티가 있더라도 토픽만 트리거하고 엔터티를 추출하지 않는 샘플이 있습니다. 따라서 엔터티 주석은 선택 사항이며 필요하지 않습니다.

엔티티 주석

항목의 트리거 구 내에 엔터티에 주석을 추가하는 것 외에도 모델이 질문 노드의 일부로 엔터티를 추출하는 데 도움이 될 수 있습니다. 각 사용자 지정 엔터티 내에서 선택적 엔터티 주석을 추가할 수 있습니다. 이 메서드는 고객이 특정 엔터티를 수집하도록 요청되는 특정 질문에 응답하는 방법에 주석을 추가하는 데 사용됩니다.

• 엔터티 주석의 일부로 단일 엔터티만 추가할 수 있습니다. 두 개의 서로 다른 엔터티 또는 동일한 엔터티의 두 인스턴스에 대해 엔터티 주석을 달 수 없습니다. 예를 들어 CustomCity 엔터티에서는 "Boston to New York"을 주석으로 추가할 수 없습니다.

• 토픽을 트리거하지 않고 엔터티 추출을 참조하는 샘플만 추가해야 합니다. 예를 들어 항공편 예약 앱이 있는 경우 "뉴욕으로 예약"을 추가할 수 있습니다. "뉴욕으로 여행하고 싶습니다."와 같은 주제를 트리거 bookTicket 하는 샘플을 추가해서는 안 됩니다.

주석 구문

다음 구문 변형을 사용하여 주석 구문을 만들 수 있습니다.

• {Entity value or Literal}: 단일 엔터티에 주석을 추가하는 경우 엔터티를 지정할 필요가 없습니다.
• {ENTITY_NAME/Entity item or synonym}: 원하는 경우 닫힌 목록 또는 RegEx의 이름인 엔터티 이름을 지정할 수 있습니다. 엔터티 이름을 제공하면 YAML에서 더 쉽게 읽을 수 있으며 토픽에 사용되는 구문과도 일치합니다.

다음 예제에서는 주석 구문을 보여 줍니다.

• "{New York}을 위해 예약"
• "{City/New York}을 위해 예약"

사용자 지정 목록 엔터티

NLU+의 경우 목록 엔터티는 부분적으로 열려 있는 것으로 간주됩니다. 이 고려 사항은 모델이 목록에 명시적으로 정의되지 않은 엔터티 리터럴을 추출하여 모델이 명시적으로 정의되지 않은 엔터티 데이터를 처리할 수 있음을 의미합니다.

예를 들어 앱에서 처리하는 "동영상 제목"이 있는 사용자 지정 목록이 있습니다. 사용자가 목록에 없는 제목을 요청하는 경우 모델은 여전히 해당 제목을 "영화 엔터티"로 표시합니다. 이 경우 모델이 엔터티를 할당할 값을 모르기 때문에 엔터티 값은 비어 있습니다.

엔터티의 공개 여부에 영향을 주려면, 엔터티의 주석 방식을 변경하세요. 학습 데이터에 엔터티 목록에서 이미 정의된 항목과 동의어로 주석을 추가하면, 모델은 그 엔터티를 대부분 닫힌 것으로 간주합니다. 모델은 여전히 새 엔터티 항목을 추출할 수 있지만 해당 항목이 발생할 확률은 낮습니다. 엔터티 정의에 없는 리터럴로 주석 처리된 엔터티를 사용하여 더 많은 학습 데이터를 추가할수록 해당 목록이 더 열립니다. 모델은 엔터티 정의에 없는 엔터티 리터럴을 추출할 가능성이 높습니다.

NLU+ 모델 빌드

NLU+를 사용하려면 에이전트를 테스트하거나 게시하기 전에 제조업체가 NLU+ 모델을 명시적으로 빌드해야 합니다. 변경 내용이 자동으로 통합되는 원래 NLU 옵션과 다릅니다. NLU+ 컴파일된 모델은 대형 모델에 대해 보다 예측 가능한 대기 시간 성능을 제공하지만 모델 학습이 필요합니다.

학습 데이터를 추가하고 만족하면 NLU+ 모델 학습 단추를 선택합니다. 이 단추는 항목 페이지 또는 엔터티 설정 페이지에서 사용할 수 있습니다.

NLU+ 모델 학습 시간은 모델의 복잡성에 따라 달라집니다. 채널 페이지에는 모델 학습 상태가 표시됩니다. 학습이 완료되면 학습을 시작한 사용자, 학습이 완료된 경우 및 상태를 포함하여 학습된 모델에 대한 세부 정보가 표시됩니다.

채널 페이지에서 NLU+ 모델 학습 세부 정보를 선택하여 NLU+ 학습 대화 상자를 엽니다. 이 대화 상자에서는 각 언어에 대한 정보와 같은 모델의 학습에 대한 세부 정보를 제공합니다. 음성 최적화를 설정한 경우 ASR 학습의 세부 정보를 볼 수 있습니다. 학습에 모든 지역 또는 로캘에 대한 오류 또는 경고가 있는 경우 개별 세부 정보 파일을 다운로드하여 특정 문제에 대한 자세한 내용을 확인할 수 있습니다.

NLU+ 에이전트를 게시하세요

에이전트 및 해당 NLU+ 모델을 게시할 준비가 되면 Copilot Studio는 마지막으로 성공적으로 학습된 모델을 사용합니다. 게시를 선택하면 게시 대화 상자에 마지막으로 학습된 모델에 대한 정보가 표시됩니다. 이 정보를 통해 작성자는 게시 중인 모델의 버전을 알 수 있습니다.