Ejemplo práctico: Aprendizaje automático vs. Procesamiento del lenguaje natural

Razones para no utilizar aprendizaje automático (machine Learning) como sustituto del PLN.

Hay dos tipos de procesamiento del lenguaje natural…

Hoy en día, el PLN líder en la industria se basa en una IA que detecta patrones en los datos que a su vez se utilizan para entender lo que escriben los usuarios. Se trata de un enfoque flexible que se adapta a los matices y a las ambigüedades de las lenguas y que va aumentando la precisión entre los resultados y las necesidades del usuario. Sin embargo, todavía existen implementaciones que siguen un enfoque de PLN anticuado que se basa en algoritmos de aprendizaje automático y reglas predeterminadas. En este enfoque, los algoritmos intentan detectar palabras y frases concretas para devolver respuestas correlacionadas — este método impreciso de “comprensión” del lenguaje ofrece resultados cuya precisión está limitada. Con los últimos avances en tecnología, no hay excusas válidas para seguir utilizando un sistema de aprendizaje automático y algoritmos basados ​​en la búsqueda de palabras clave como sustituto del procesamiento moderno y sofisticado del lenguaje natural.

Hemos puesto a prueba nuestro sistema de PLN.

En un breve ejercicio comparativo, pusimos un chatbot basado en otro sistema de PLN contra el chatbot de Inbenta para analizar sus respuestas frente a un lenguaje “natural”. Se formularon las siguientes preguntas al chatbot de Inbenta así como a otro sistema de chatbot popular en el mercado que se da a conocer por utilizar un sistema PLN. Para facilitar la comprensión, de ahora en adelante nos referiremos a este último como anonyBot. Sin modificar nuestro léxico, tomamos las preguntas frecuentes de anonyBot y las sometimos a la base de conocimiento de Inbenta. Los resultados del experimento mostraron una clara discrepancia entre las dos concepciones de procesamiento del lenguaje natural. Para demostrar más claramente uno de los muchos avances en nuestro sistema de PLN, hemos otorgado a cada uno de los resultados una puntuación semántica — un porcentaje que indica la proximidad o coincidencia entre el resultado final y la consulta original del usuario.

¿Cómo funciona la puntuación semántica?:

Con el sistema de PLN de Inbenta, convertimos la consulta en grupos de unidades léxicas, funciones y conceptos que tienen un significado o una intención. Luego utilizamos un algoritmo que clasifica los contenidos existentes en base a su significado o intención, y la coincidencia más elevada es la que se muestra al cliente como respuesta del chatbot.


El Experimento:

Pregunta 1: ¿Existe un límite en el tamaño de una base de datos?

anonyBot:Sin respuesta [✗]

Inbenta: ¿Qué tamaño debe tener la base de conocimiento que debo crear? [✓]

Nuestro marcador semántico: 58,8%

Pregunta 2: ¿Cuáles son los formatos admitidos?

anonyBot: Sin respuesta [✗]


Inbenta: ¿Qué formato debe tener el contenido para que sea compatible con el sistema ? [✓]

Nuestro marcador semántico: 80.9%

Pregunta 3: He olvidado mi contraseña

anonyBot: Sin respuesta [✗]

Inbenta: ¿Cómo inicio la sesión?[✓]

Nuestro marcador semántico: 57,1%

Pregunta 4: He hecho un cambio pero todavía no puedo verlo

anonyBot: Sin respuesta [✗]

Inbenta: Las actualizaciones que he realizado en mi base de datos no aparecen publicadas. ¿Por qué no?[✓]

Nuestro marcador semántico: 58,4%

Pregunta 5: ¿Mis datos están seguros?

anonyBot: Sin respuesta [✗]

Inbenta: ¿Qué riesgos tienen los datos de mi base de conocimiento? [✓]

Nuestro marcador semántico: 92,4%


Si quieres saber más sobre la complejidad que esconde un sistema real de procesamiento del lenguaje natural, consulta este resumen de alto nivel presentado por el cofundador y CEO de Inbenta, Jordi Torras.

 

Inbenta es un líder en procesamiento de lenguaje natural e inteligencia artificial para la atención al cliente, e-commerce y chatbots conversacionales que proporcionan una solución fácil de implementar que mejora la satisfacción de los usuarios, reduce los costos de atención al cliente y aumenta la rentabilidad. ¿Te gustaría saber más? Nuestro equipo de expertos está a tu disposición para mostrarte cómo Inbenta puede beneficiar a tu empresa.

 

Ponte en contacto con nosotros