Czym jest rozpoznawanie intencji: jak rozumieć cele użytkowników w NLP

Za każdą wiadomością użytkownika — wysłaną do agenta LLM czy wpisaną w Google — stoi intencja. Użytkownik chce osiągnąć cel: znaleźć konkretne informacje lub wykonać działanie.

Rozpoznawanie intencji to proces ustalania tego celu, określania potrzeb użytkownika na jego podstawie i jak najdokładniejszej realizacji prośby. System dobrze rozpoznający intencje lepiej obsługuje klientów precyzyjnymi odpowiedziami, zwiększając ich zaangażowanie i satysfakcję.

W tym artykule wyjaśniamy, czym jest rozpoznawanie intencji i jak zmieniło się ono w erze wyszukiwania z LLM.

Podsumowanie

• Rozpoznawanie intencji to technika przetwarzania języka naturalnego, która kategoryzuje cel danych wejściowych.
• Aby rozpoznać intencję w rozmowie, model przechodzi cztery etapy: wstępne przetwarzanie rozmowy, ekstrakcję cech, klasyfikację i ekstrakcję encji.
• W kontakcie z LLM intencja może być informacyjna, transakcyjna, konwersacyjna lub nawigacyjna.
• Typowe wyzwania przy dostrajaniu rozpoznawania intencji to niejednoznaczność językowa, dane wejściowe poza zakresem modelu i rozmowy z wieloma intencjami.

Czym jest rozpoznawanie intencji?

Rozpoznawanie intencji to technika przetwarzania języka naturalnego (NLP), która klasyfikuje dane wejściowe w mowie lub piśmie według tego, co użytkownik chce osiągnąć w danym kontekście. Właśnie dlatego bywa też nazywane klasyfikacją intencji: oprogramowanie musi zrozumieć dane wejściowe i określić właściwy sposób działania.

Ważne: rozpoznawanie intencji to nie tylko dopasowywanie słów kluczowych. Wariantów językowych tego samego celu jest zbyt wiele. Na przykład „Moje dane użytkownika nie działają”, „Dlaczego nie mogę się zalogować?”, „Moje konto wygląda na zablokowane” i „Moje hasło nie działa” to różne sformułowania tej samej ukrytej intencji.

Wykorzystując rozpoznawanie intencji w NLP, systemy sztucznej inteligencji lepiej rozumieją, czego użytkownik oczekuje od interakcji. Dzięki temu mogą zapewnić jak najlepsze doświadczenie w każdej rozmowie. 

Jak działa rozpoznawanie intencji?

Dokładna architektura używana przez system AI do rozpoznawania intencji zależy od dostawcy. Zwykle jednak system wykorzystuje wariant tych samych czterech głównych etapów, by przekształcić surowe dane wejściowe w jasno określoną intencję.

Oto cztery etapy rozpoznawania intencji:

1. Wstępne przetwarzanie
2. Ekstrakcja cech
3. Klasyfikacja
4. Ekstrakcja encji

Przyjrzyjmy się im bliżej.

Wstępne przetwarzanie

Dane wejściowe — głosowe lub tekstowe — trzeba oczyścić, aby model otrzymał spójny, rozpoznawalny format. W przypadku tekstu obejmuje to poprawę błędów pisowni, usunięcie interpunkcji i wielkich liter, a następnie podział rzadkich lub długich słów na mniejsze jednostki za pomocą tokenizacji. Na tym etapie można też usunąć często występujące słowa funkcyjne, takie jak „a” czy „the”, chyba że bezpośrednio wpływają na znaczenie zdania.

W procesach automatycznego rozpoznawania mowy system musi najpierw przepisać przychodzące dane głosowe na tekst. To dodatkowy etap wstępnego przetwarzania, zanim model zacznie pracę ze znormalizowaną transkrypcją.

Ekstrakcja cech

Oczyszczony tekst jest następnie przekształcany w reprezentację numeryczną, z którą może pracować oprogramowanie. Ekstrakcja cech zachowuje semantyczne znaczenie zdania, ale przedstawia je liczbowo.

Strategie stosowane przez badaczy na tym etapie znacznie rozwinęły się w ostatnich latach. Wcześniej używano modeli Bag-of-Words lub reprezentacji Term Frequency-Inverse Document Frequency (TF-IDF), które ważą słowa według ich charakterystyczności lub częstotliwości. Choć dawało to szybkie wyniki, nie wychwytywało niuansów zdań. W końcu „Nie chcę anulować” i „Chcę anulować” zawierają niemal te same słowa, ale znaczą zupełnie co innego.

Innym trudnym dla TF-IDF przykładem byłyby zdania „Pies gryzie kota” i „Kot gryzie psa”, których znaczenie całkowicie zmienia się przy bardzo niewielkich zmianach w zdaniu.

Nowocześniejsze podejście do ekstrakcji cech wykorzystuje gęste reprezentacje wektorowe do tworzenia osadzenia wektorowego reprezentującego dane wejściowe użytkownika. Takie osadzenia wiążą kontekst przez bliskość, grupując słowa o podobnym znaczeniu, aby wywnioskować kontekst z tej relacji przestrzennej.

Enkodery oparte na Transformerach idą o krok dalej, tworząc mapy kontekstowe, w których wektor słowa zmienia się zależnie od otaczających je słów. To niezbędne w przypadku słów polisemiczych, których znaczenie zależy od kontekstu („przeczytaj te instrukcje”, „wczoraj przeczytałem ten artykuł”). 

Kontekstowa reprezentacja zdania daje systemom rozpoznawania intencji możliwość zrozumienia, czego chce użytkownik, a następnie sklasyfikowania tego na kolejnych etapach.

Klasyfikacja

Mając jasną reprezentację danych wejściowych, model może porównać je z różnymi znanymi przypadkami intencji i przypisać im wartości pewności. Po przejściu przez typy intencji wybiera ten o najwyższej wartości pewności.

Niektóre zespoły eksperymentują z progiem pewności dla klasyfikacji. Ustawienie go zbyt nisko sprawi, że do następnego etapu może trafić dość niedokładnie określona intencja. Zbyt wysoki próg daje odwrotny efekt: model nie może jednoznacznie sklasyfikować intencji i przejść dalej.

Dostrojenie modelu klasyfikacyjnego pomoże znaleźć wartość, która najlepiej sprawdzi się w twojej firmie. 

Jeśli model nie potrafi rozpoznać intencji, prawdopodobnie zada użytkownikowi dodatkowe pytania lub, jeśli tak go skonfigurowano, przekaże sprawę agentowi.

Ekstrakcja encji

Przedstawiamy ekstrakcję encji jako osobny etap, ale w praktyce przebiega ona równolegle z klasyfikacją. Pobiera z danych wejściowych szczegóły przydatne w późniejszej odpowiedzi, takie jak numery zamówień, dane konta, nazwy produktów czy inne informacje, które pomogą modelowi zrealizować prośbę.

Encje wyodrębnione na tym etapie dostarczają informacji o użytkowniku potrzebnych do realizacji prośby. Jeśli na przykład klasyfikacja wykryje, że użytkownik chce anulować zamówienie, ekstrakcja encji wskaże agentowi, którego zamówienia i konta klienta dotyczy działanie.

Rozpoznawanie intencji a wykrywanie intencji

Określenia „rozpoznawanie intencji” i „wykrywanie intencji” są często używane zamiennie, choć mają nieco inne znaczenie. Rozpoznawanie intencji to cały proces klasyfikacji intencji w prośbie użytkownika. Wykrywanie intencji obejmuje tylko pierwszy etap tego procesu: ustalenie, czy odpowiedź użytkownika w ogóle zawiera intencję.

W praktyce różnica ma znaczenie tylko w nietypowych przypadkach. Na przykład agent obsługi klienta otrzymujący pytanie całkowicie niezwiązane z wyuczonym kontekstem może najpierw wykryć, że intencja nie ma zastosowania do jego bazy wiedzy. To, co zrobi później — na przykład jak bezpiecznie odmówi odpowiedzi — określa konfiguracja rozpoznawania intencji.

Rodzaje intencji

Istnieje tyle konkretnych intencji, ile pytań. Zamiast przypisywać osobną intencję do każdego możliwego sformułowania pytania, system zwykle najpierw rozpoznaje kategorię intencji, a potem odpowiednio działa.

Główne rodzaje intencji w systemach NLP to:

• Intencja informacyjna: opisuje dane wejściowe, w których głównym celem użytkownika jest zdobycie konkretnych informacji. Właściwą odpowiedzią będzie podanie żądanych treści — jako wyjaśnienia lub wskazanie odpowiednich źródeł.
• Intencja nawigacyjna: opisuje sytuację, w której użytkownik chce znaleźć konkretny zasób lub stronę. System sklasyfikuje tę intencję i wyodrębni encje, aby przekierować użytkownika we właściwe miejsce.
• Intencja transakcyjna: opisuje dane wejściowe, w których użytkownik chce osiągnąć konkretny cel, np. umówić wizytę lub anulować subskrypcję. Intencja transakcyjna zawsze wiąże się z działaniami mającymi konsekwencje.
• Intencja konwersacyjna: opisuje dane wejściowe o głównie społecznym charakterze, a nie należące do pozostałych kategorii. Ta forma intencji jest dziś częstsza wraz z rosnącą dostępnością LLM, ponieważ niektórzy używają agentów ogólnego przeznaczenia jako interfejsu do codziennych rozmów.

LLM może obsługiwać wszystkie te typy intencji we wszystkich tych kategoriach. Niezależnie od tego, zrozumienie kategorii intencji danych wejściowych pomaga stworzyć trafniejszą odpowiedź. Wszystko — od wywołań narzędzi wykonywanych przez agenta po dokładną treść jego odpowiedzi — zaczyna się od rozpoznania ukrytej intencji danych wejściowych użytkownika.

Zastosowania rozpoznawania intencji w różnych branżach

Rozpoznawanie intencji jest kluczowe dla każdego zautomatyzowanego systemu odpowiedzi, ponieważ odpowiedź musi odpowiadać intencji, aby rozmowa miała sens.

Oto kilka przykładów zastosowań intencji w różnych branżach:

• Obsługa klienta: agent głosowy wykorzystuje rozpoznawanie intencji, aby zrozumieć ustną prośbę klienta i skierować go do właściwego działu lub zasobu. Błędna klasyfikacja może sprawić, że klient trafi do niewłaściwego pracownika lub jego problem pozostanie nierozwiązany.
• Ochrona zdrowia: rozpoznawanie intencji wspiera asystentów medycznych, którzy zarządzają rezerwacjami. Branże o wyższym ryzyku, takie jak ochrona zdrowia czy finanse, często stosują wyższe progi pewności, by uniknąć błędnych klasyfikacji mogących prowadzić do poważnych błędów.
• Zasoby ludzkie: konwersacyjny asystent HR może działać w wewnętrznej dokumentacji firmy i kierować pracowników do potrzebnych zasobów. Przykładowo pracownik może zapytać o świadczenia urlopowe, a agent rozpozna intencję informacyjną i wyświetli odpowiednie informacje z firmowej wiki.

W każdej branży precyzyjne rozpoznawanie intencji jest podstawą udanej rozmowy. Jeśli intencja zostanie błędnie rozpoznana, dalsza rozmowa też taka będzie. 

Wyzwania w rozpoznawaniu intencji

Rozpoznawanie intencji wypowiedzi to w pełni wyzwanie językowe. Znaczenie się zmienia, słowa zmieniają funkcję zależnie od kontekstu, a to samo zdanie może znaczyć coś innego w zależności od sposobu jego wypowiedzenia. Jest to szczególnie ważne, ponieważ rozpoznawanie intencji coraz częściej wdraża się w agentach głosowych.

Oto kilka głównych wyzwań w rozpoznawaniu intencji i sposoby na ich rozwiązanie:

• Niejednoznaczność: gdy to samo zdanie znaczy dwie różne rzeczy w zależności od sposobu jego wypowiedzenia, niejednoznaczność językowa może obniżyć pewność rozpoznania intencji. Aby temu zaradzić, modele budują kontekst na przestrzeni wielu tur rozmowy, by lepiej zrozumieć, czego ktoś może chcieć. Im więcej kontekstu ma model, tym precyzyjniej może stworzyć odpowiedź.
• Rozmowy poza zakresem modelu: jeśli użytkownik pyta model o coś daleko wykraczającego poza zakres jego wiedzy, model może przypisać intencję do najbliższej podobnej kategorii, co prowadzi do niedokładnej odpowiedzi. Jednym z rozwiązań jest trenowanie modeli na nietypowych przypadkach, aby ograniczyć ryzyko. Połączenie tego podejścia z zabezpieczeniami blokującymi określone tematy w rozmowie pomaga zmniejszyć ryzyko.
• Dane wejściowe z wieloma intencjami: rozmowa nie zawsze odwzorowuje się w relacji 1:1 z danych wejściowych na intencję. „Czy możesz anulować moje zamówienie i zaktualizować adres dostawy dla przyszłych zamówień?” zawiera dwa odrębne cele. Klasyfikator wieloetykietowy pomoże wykryć fragmenty rozmowy zawierające więcej niż jedną intencję lub cel, zwiększając dokładność przy obsłudze wielu potrzeb.

Zrozumienie i przewidywanie tych wyzwań pozwala badaczom wcześniej wdrożyć środki, które je ograniczą. 

Zacznij z ElevenAgents

W agencie głosowym rozpoznawanie intencji pomaga utrzymać wysoką trafność systemów Conversational AI i zadowolenie klientów. Powtarzające się błędy w rozpoznawaniu intencji podważają zaufanie klientów do agenta i zmniejszają ich chęć korzystania z systemów wsparcia AI. 

ElevenAgents wykorzystuje rozpoznawanie intencji, aby precyzyjnie zrozumieć potrzeby użytkownika i odpowiednio reagować w rozmowie: właściwie kierować interakcję, pobierać istotne informacje lub eskalować połączenie. 

Dowiedz się więcej o ElevenAgents lub zarejestruj się i zacznij tworzyć agentów głosowych, którzy rozumieją potrzeby użytkowników. 

Często zadawane pytania o rozpoznawanie intencji