Diese Seite wurde von der Cloud Translation API übersetzt.

Baseline-Modell der Zusammenfassung V1 für Chat und Sprache

Mit der Zusammenfassungsfunktion von Agent Assist erhalten Ihre Kundenservicemitarbeiter nach jeder Unterhaltung eine Zusammenfassung. Die Zusammenfassungen helfen Kundenservicemitarbeitern, Gesprächsnotizen zu erstellen, um den Kommunikationsverlauf mit Endnutzern zu prüfen und nachzuvollziehen.

Diese Funktion ist in den folgenden Regionen verfügbar: us-central1, us-east1, us-west1, us, northamerica-northeast1, europe-west1, europe-west2, europe-west3, asia-southeast1, asia-northeast1, asia-south1, australia-southeast1, global.

Es gibt zwei Möglichkeiten, die Zusammenfassungsfunktion zu implementieren:

Sie können ein benutzerdefiniertes Modell (Chat oder Sprache) trainieren.
Sie können das sofort einsatzbereite Basismodell (Chat und Sprache) verwenden.

Auf dieser Seite finden Sie die erforderlichen Schritte zur Implementierung des Baseline-Modells.

Hier ist ein Beispiel für eine Eingabeunterhaltung:

Eine Zusammenfassung des Baseline-Modells für das Gespräch könnte so aussehen:

Unterhaltungsprofil konfigurieren

Mit einem Unterhaltungsprofil wird eine Reihe von Parametern konfiguriert, die die Vorschläge steuern, die einem Kundenservicemitarbeiter während einer Unterhaltung gegeben werden. In den folgenden Schritten wird ein ConversationProfile mit einem HumanAgentAssistantConfig-Objekt erstellt.

Unterhaltungsprofil erstellen

So erstellen Sie ein Unterhaltungsprofil:

Rufen Sie die Methode create für die Ressource ConversationProfile auf.
Geben Sie einen Namen für das neue Konversationsprofil ein.
Geben Sie Ihre Google Cloud Projekt-ID ein.
Geben Sie Ihre Modell-ID ein. Wenn Sie das Modell für die Zusammenfassung der Baseline verwenden möchten, geben Sie die Modell-ID nicht an. Legen Sie stattdessen baseline_model_version auf 1.0 fest.
Geben Sie im CreateConversationProfileRequest für die Vorschlagsfunktion CONVERSATION_SUMMARIZATION für Chat oder CONVERSATION_SUMMARIZATION_VOICE für Sprache an.

Beispiel für ein Basismodell für Sprache

Das folgende JSON-Beispiel verwendet ein Baseline-Zusammenfassungsmodell für Sprache:

{
  "parent": "projects/PROJECT_ID/locations/global",
  "conversationProfile": {
    "displayName": "CONVERSATION_PROFILE_NAME",
    "humanAgentAssistantConfig": {
      "humanAgentSuggestionConfig": {
        "featureConfigs": [{
          "suggestionFeature": {
            "type": "CONVERSATION_SUMMARIZATION_VOICE"
          },
          "conversationModelConfig": {
            "baseline_model_version": "1.0",
          }
        }]
      }
    },
    "languageCode": "en-US"
  }
}

Die Antwort ist ein ConversationProfile-Objekt, das das Konversationsprofil name enthält:

{
  "name": "projects/PROJECT_ID/locations/global/conversationProfiles/CONVERSATION_PROFILE_ID",
  "displayName": "CONVERSATION_PROFILE_NAME",
  "automatedAgentConfig": {
  },
  "humanAgentAssistantConfig": {
    "notificationConfig": {
    },
    "humanAgentSuggestionConfig": {
      "featureConfigs": [{
        "suggestionFeature": {
          "type": "CONVERSATION_SUMMARIZATION_VOICE"
        },
        "conversationModelConfig": {
        }
      }]
    },
    "messageAnalysisConfig": {
    }
  },
  "languageCode": "en-US",
  "createTime": "2022-06-06T21:06:46.841816Z",
  "updateTime": "2022-06-06T21:06:46.841816Z",
  "projectNumber": "344549229138"
}

Beispiel für ein Basismodell für Chat

Das folgende JSON-Beispiel verwendet ein Baseline-Zusammenfassungsmodell für den Chat:

{
  "parent": "projects/PROJECT_ID/locations/global",
  "conversationProfile": {
    "displayName": "CONVERSATION_PROFILE_NAME",
    "humanAgentAssistantConfig": {
      "humanAgentSuggestionConfig": {
        "featureConfigs": [{
          "suggestionFeature": {
            "type": "CONVERSATION_SUMMARIZATION"
          },
          "conversationModelConfig": {
            "baseline_model_version": "1.0",
          }
        }]
      }
    },
    "languageCode": "en-US"
  }
}