J:
Kā čatboti tiek galā ar akcentiem?
A:Pēdējo gadu laikā parādoties jaunākiem un sarežģītākiem tērzēšanas robotiem, daudzās nozarēs cilvēki novēro, kā tērzēšanas roboti attīstās, kā viņi gūst panākumus interaktīvās balss atbildes (IVR) attīstībā un kā tas ietekmē mazumtirdzniecību, kā arī daudzas citas nozares .
Viens no būtiskajiem jautājumiem ir tas, kā tērzēšanas roboti tiek galā ar akcentiem. Reģionālie un pasaules valodas akcenti ir bijuši šo tehnoloģiju klupšanas akmens jau kopš paša sākuma. Jo īpaši, kad tērzēšanas roboti bija rudimentārāki attiecībā uz dabiskās valodas apstrādes (NLP) algoritmiem, tos viegli sajauc ar akcentu, kas būtiski maina runas fonēmas. Mūsdienās tērzēšanas roboti ar arvien pilnveidotajiem algoritmiem ir kļuvuši daudz noturīgāki.
Šeit ir norādīti daži galvenie veidi, kā inženieri un ieinteresētās personas ir strādājušas, lai palīdzētu tērzēšanas robotiem rīkoties ar akcentiem.
Pirmais ir mērķauditorijas atlase. Daudzi uzņēmumi, kas nodarbojas ar daudzveidīgu klientu, izveidos vairākas sistēmas - viņi centīsies patērētājus vai citus galalietotājus virzīt uz sistēmu, kas atbilst viņu dialektam un valodai, lai izvairītos no dažādu valodu problēmām.
Tomēr mērķauditorijas atlase var dot tikai tik daudz. Vēl viens svarīgs veids, kā uzņēmumi strādā pie tērzētavas uzlabošanas, ir triangulācija - un tas ir palīdzējis tērzēšanas robotiem iekarot akcentu problēmu.
Fonēmu trīsstūrēšana palīdz sniegt specifiskākus rezultātus. Padomājiet par to šādā veidā - ja tērzēšanas robots saskaras ar dzimtā indiāņa balsi, kurš pārcēlies uz Amerikas Savienotajām Valstīm un runā angliski ar izteiktu indiāņu akcentu, mašīnai būs jārisina atšķirības, piemēram, glaimāks, plašāks “a” izklausās, ka dzimtiem indiešu valodas runātājiem ir grūti apgūt angļu valodu. Tērzēšanas robotprogrammatūra, kurai ir sarežģītāka fonēmu izolēšana, var atlasīt problēmu vietas un precīzāk “diagnosticēt” tās, lai nepalaistu garām visu vārdu vai frāzi. Tas vairāk attiecas uz algoritmu nekā cilvēku: Daudzi cilvēku klausītāji mēdz sajaukt jebkādas akcentu atšķirības.
Izolējot un padziļināti izskatot fonēmas, tehnoloģija var nākt klajā ar “patiesākām atbildēm” vai atbildēm, taču ir vēl viens svarīgs veids, kā tērzēšanas roboti var tikt galā ar problēmu, kas saistīta ar akcentētu balsi, vai kādu citu “problēmu”.
Kad izpratne ir nepilnīga, viens no galvenajiem faktoriem ir tas, kā tehnoloģija reaģē. Parastākie IVR vakardienas tērzēšanas roboti arvien vairāk un vairāk mēdza teikt „es atvainojos, es to nesapratu”. Mūsdienu pilnveidotie tērzēšanas roboti, visticamāk, sniegs atkārtotu reakciju, vai nu saasinot zvanu cilvēkam, vai sniedzot daļējas atbildes, vai atkal mēģinot izolēt problēmu.
Izmantojot mērķauditorijas atlasi, trīsstūrveida iestatīšanu un labu iestatījumu, tērzēšanas roboti var daudz precīzāk noteikt, kā rīkoties ar akcentiem un citiem, iespējams, savdabīgiem zvanītājiem. Tas radīs revolūciju “virtuālo palīgu” pasaulē, kas pagātnē ir bijis mazāk nekā iespaidīgs visneveiksmīgākajiem zvanītājiem.
