Compréhension du langage naturel (NLU) : intents et slots

• Comprendre les mécanismes de compréhension du langage naturel dans les assistants conversationnels
• Identifier les intentions utilisateurs (intents) et les informations clés (slots)
• Concevoir des modèles NLU performants pour améliorer l’expérience conversationnelle

Développeurs, concepteurs de chatbots, data scientists, spécialistes NLP

Connaissances de base en traitement du langage naturel et programmation recommandées

• Découvrir les fondamentaux de la compréhension du langage naturel (NLU)
• Comprendre les concepts d’intents, d’entités et de slots
• Identifier les intentions utilisateurs à partir d’exemples de conversations
• Structurer et annoter des jeux de données pour entraîner un moteur NLU
• Extraire et exploiter les entités et informations contextuelles dans les échanges
• Utiliser les principales plateformes NLU : Dialogflow, Rasa, LUIS et solutions équivalentes
• Gérer les ambiguïtés, synonymes et variations de formulation des utilisateurs
• Intégrer les intents et slots dans un chatbot ou assistant virtuel
• Évaluer et améliorer les performances d’un modèle NLU
• Appliquer les bonnes pratiques de conception conversationnelle et d’amélioration continue

• Identifier et annoter des intents et des slots dans des dialogues réels
• Créer un modèle NLU simple avec une plateforme spécialisée
• Tester et améliorer la reconnaissance des intentions et des entités

• Modèles d’annotation pour intents et slots
• Guide pratique de conception et d’entraînement NLU
• Bibliothèque d’exemples et de cas d’usage conversationnels