Uma Intenção representa o que o usuário deseja saber ou fazer por meio do bot.

As intenções são pontos de entrada que acionam um Use Case. Existem dois tipos de intenções, dependendo de onde os usuários estão no fluxo:

• Intenções iniciais (na ação do usuário inicial)

• Intenções (em uma ação do usuário)

Cada Use Case tem uma ou mais intenções iniciais.
Cada ação do usuário tem uma ou mais intenções.

Criar uma intenção

Nome da intenção

Nomeie cada intenção claramente para representar a intenção do usuário.

👍 Boa prática para nomear intenções

Nomeie as intenções de forma consistente para ajudar os colegas de equipe a entendê-las e diferenciá-las facilmente de intenções semelhantes

Descrição da intenção e dicas de rotulagem

A descrição da intenção ajuda os criadores de chatbots a entenderem a intenção do usuário.

👍 Boa prática para descrição e rotulagem

Especifique os casos de uso abrangidos pela intenção, outras intenções com as quais ela pode ser confundida e as variáveis que o bot detecta nas frases dos usuários

Tipos de intenção

Os tipos de intenção descrevem o tipo de elemento que a intenção deve detectar:

• Texto: Detecta uma frase do usuário enviada ao chatbot.

• Incompreensão: Aciona diretamente a classe "OUT" do modelo. Existe apenas uma por bot.

• Imagem: Detecta uma imagem enviada ao chatbot.

• Vídeo: Detecta um vídeo enviado ao chatbot.

• Áudio: Detecta uma mensagem de voz enviada ao chatbot.

• Localização: Detecta uma localização enviada ao chatbot.

📌 Observação

O bot detecta o formato de imagens, vídeos ou arquivos de áudio, mas não consegue entender o conteúdo deles. Você pode definir uma resposta específica para informar ao usuário que o arquivo foi recebido, mas não foi compreendido.

Dicas

As dicas são exemplos de frases que ajudam os criadores e rotuladores de chatbots a entenderem a intenção.

Prioridade

A prioridade é usada para resolver ações do usuário sobrepostas que causam confusão ao prever a intenção correta.

Ação do bot acionada

Selecione a ação do bot acionada quando a intenção for detectada. As intenções iniciais do Use Case são conectadas sistematicamente à ação inicial do bot do Use Case.

Apagar

Especifique as variáveis a serem apagadas do contexto quando a intenção for acionada.

📌 Como indicar as variáveis a serem apagadas

• ""` (string vazia): o contexto permanece inalterado.

• "key1, key2, key3" (chaves separadas por vírgulas): apaga as variáveis listadas.

• "erase_all": limpa todo o contexto.

• "erase_all_except key1, key2, key3": limpa todas as variáveis, exceto as chaves listadas.

📌 Os espaços são ignorados ao listar as chaves.

Adicionar entidades à sua intenção

Entidades e wrappers associados podem ser adicionados à sua intenção.

Nome da entidade

Insira um nome para a entidade a ser usada no contexto.

👍 Boa prática

Use nomes em minúsculas, sem caracteres especiais, para evitar erros de digitação ou falhas.

Wrapper

Selecione um wrapper para aplicar à sua entidade.

Tipo de entidade

Selecione um tipo de entidade para sua intenção.

Obrigatório

Quando selecionado:

• A intenção não pode ser acionada se a entidade estiver ausente da mensagem do usuário ou do payload da resposta rápida/botão.

📌 Inspeção do trace

No trace, verifique se há entidades ausentes em:
Raw > NLP Controller > Instance Classifier: `"missing_entities": "True"

Opcional

Quando selecionado:

• A intenção pode ser acionada mesmo que a entidade esteja ausente da mensagem do usuário ou do payload.

Adicionar frases de treinamento à sua intenção

Baseado em regras

As intenções baseadas em regras são acionadas pela detecção de palavras-chave específicas. Defina conjuntos de palavras para acionar a intenção quando forem encontradas nas mensagens dos usuários. Consulte Sintaxe baseada em regras para mais detalhes.

📌 Observação

As intenções baseadas em regras são verificadas somente depois que o modelo verifica todas as intenções baseadas em IA e nenhuma é acionada.

Baseado em IA

As intenções baseadas em IA são acionadas pela análise de frases completas (frases de treinamento). Forneça uma variedade de frases representativas para treinar o modelo. As alterações nas frases de treinamento em um Use Case publicado são aplicadas imediatamente após o retreinamento.

📌 Boa prática

Forneça pelo menos 10 frases de treinamento para intenções baseadas em IA. As intenções com menos frases não serão incluídas no treinamento do modelo.

Pontuação de qualidade do NLU

Cada frase de treinamento recebe uma pontuação de qualidade, indicando o quanto ela corresponde à intenção:

• Verde 🟢: pontuação de qualidade ≥ 0,5 e nenhuma intenção sobreposta tem pontuação > 0,2.

• Laranja 🟠: pontuação de qualidade < 0,5 ou uma intenção sobreposta tem pontuação > 0,2.

• Vermelho 🟥: a pontuação de qualidade de outra intenção excede a da frase atual.

• Branco ⚪: pontuação de qualidade não calculada ou frase duplicada. Retreine para atualizar as pontuações.

🖋️ Dica:

Uma pontuação laranja não significa que a intenção não será acionada. Use-a como um alerta para refinar suas frases de treinamento

Resolva problemas relacionados à pontuação de qualidade do NLU:

• Adicionando mais variações de frases.

• Removendo frases irrelevantes.

• Ajustando frases em intenções sobrepostas.

Carregar/baixar frases de treinamento como CSV

Carregue um arquivo CSV para adicionar frases de treinamento ou baixe as existentes para editá-las.

Formato CSV:

message,use_as,smart_label,label
"What's the weather today in Paris?",example,false,false
"It is raining?",example,false,false

📌 Observação

Use aspas duplas para frases com vírgulas, a fim de evitar conflitos.

⚠️ Para excluir frases de treinamento, use o ícone de lixeira 🗑.