AI & Chatbot

Chatbots worden in Trendskout ondersteund binnen de ConnectAnalyseAutomate-flow. In de praktijk kan er in de connect-stap een link worden gelegd tussen Trendskout en het digitale kanaal van de chatbot. Op die manier wordt de Trendskout-AI ingezet om uw chatbot intelligent en zelflerend te maken.

Na het koppelen met input-, en trainingsdata, kan de gebruiker selecteren op welke manier de chatbot getraind moet worden. Die keuze gebeurt op basis van de beschikbaarheid van trainingsdata. Als er trainingsdata aanwezig zijn, kan Trendskout de chatbot zelfstandig laten trainen op basis van die data. Als er geen trainingsdata voorhanden zijn, kan de chatbot getraind worden via interactie met de eindgebruiker.

Het eigenlijke trainen van de chatbot zelf gebeurt door een combinatie van technieken en algoritmes die door Trendskout zelfstandig worden uitgevoerd en geselecteerd. Er is dus amper menselijke tussenkomst nodig. We beschrijven hieronder enkele relevante technieken daarvoor.

Business toepassingen

- Automatisering van customer service
- Intelligente website-chatbots
- IT-helpdesk


artificial intelligence

Krachtig Cloud-AI PlatformDirect inzetbaar met een heldere interface, ook voor niet-datawetenschappers


Chatbots in de AI Flow

1. Connect

2. Analyse

Chatbot

Chatbot is één van de Trendskout AI Flow analyse-functies.

3. Automate


Hoe werkt dit technisch?

NLP - Natural Language Processing

Om de tekst die wordt ingevoerd in de chatbot te kunnen lezen en begrijpen moet deze worden verwerkt. Hiervoor wordt deze tekst ontleed in verschillende onderdelen, wordt een boomstructuur opgesteld, en wordt deze gekoppeld met andere teksten en vraag/antwoord combinaties om semantische verbanden te ontdekken. Op basis van deze techniek worden relationele contexten ontdekt en kan het algoritme hierop betekenisvolle antwoorden geven. Er zijn twee veel gebruikte manieren waarop Trendskout dit antwoord kan opstellen, Natural Language Generation (NLG) en Classificatie.


Natural Language Generation

NLG-technieken kunnen zelfstandig, op basis van trainingsdata, teksten genereren die lijken op antwoorden zoals mensen die zouden opstellen. Dit is een zeer geavanceerde techniek die steunt op de recentste ontwikkelingen in Deep Learning en hybride neurale netwerken. NLG-algoritmes zijn erg krachtig maar vereisen zeer grote hoeveelheden trainingsdata, indien de trainingsdata niet groot of kwalitatief genoeg is zullen de gegenereerde teksten weinig betekenisvol zijn. Voor de meeste organisaties is het daarom aangewezen om te werken met een andere gebruiksklare analysevorm voor chatbots, Tekst en antwoord classificatie.


Tekst en antwoord Classificatie

Deze methode maakt gebruikt van een aangepaste vorm van tekst classificatie. In een trainingsfase worden verschillende vraag-antwoord combinaties door algoritmes in Trendskout geanalyseerd en wordt een model opgesteld om het meest geschikte antwoord te kunnen geven op een vraag. Hierbij mag de vraag afwijken van de vorm en inhoud uit de trainingsdata, door NLP preprocessing wordt de semantische en contextuele betekenis van de vraag geëxtraheerd en niet de originele tekstuele vorm.

Chatbots + Trendskout

Via AI en Deep Learning flows in Trendskout kan het model dat de intelligentie in een chatbot vormt op toegankelijke wijze worden gecreëerd. U kan de front-implementatie zelf bepalen, en deze koppelen met het Trendskout AI model dat de chatbot aanstuurt.
Net zoals bij de andere Deep Learning functies automatiseert Trendskout bij chatbots het volledige trainingsproces inclusief algoritme-selectie en hypertuning.

Alle features ontdekken tijdens een live demo met uw eigen data?Neem contact op en we tonen u de directe meerwaarde van artificial intelligence voor uw organisatie.