Detección de entidades especiales

• Versión del Modelo
• Descripción
• Salida

---

Versión del Modelo

Nombre del modelo	Versión	Tarea
neuraan-custom-ner-0.1	v0.1	Detección de entidades especiales

---

Descripción

La detección de entidades especiales es una tarea de procesamiento de lenguaje natural que permite detectar palabras y entidades clave para el contexto del chatbot o voicebot, pero que no son parte del español estándar o reconocidos como una entidad nombrada tradicional. Este servicio extrae las entidades de acuerdo a los ejemplos de entidades proporcionados en la base de conocimientos. A menudo las entidades sirven para detectar información relevante en el contexto del chatbot.

Atributo	Tipo	Requerido	Descripción
text	Text	True	Sentencia para extraer las entidades
entities	Object	False	Objeto cuyas claves son el nombre de las entidades y sus valores son arreglos de textos con ejemplos de como los usuarios se refieren a la entidad nombrada
threshold	Float	False	Nivel que indica que tan parecida debe ser la entidad a los ejemplos proporcionados. 0 indica nada parecida, 1 indica coincidencia exacta. Por default está establecido a 0.8

Request example

{
      "text": "Quiero estudiar en la Universidad de Yucatán o en la Modelo",
      "entities": {"UADY_CANONICAL": ["Universidad Autónoma de Yucatán", "UADY"], "MODELO_CANONICAL": ["modelo", "universidad modelo", "la modelo"]},
      "threshold": 0.65
  }

Si las entidades no son propocionada, se tomarán las entidades de la base de conocmientos configurada para el proyecto.

Request example

{
    "name": "neuraan-intent-classification-0.1",
    "version": "v0.1",
    "input": {"sentence": "Cual es su horario"}
}

---

Salida

El servicio devuelve las probabilidades de cada una de las categorías proporcionadas en la base de conocimientos.

Atributo	Tipo	Descripción
recieved	Object	Objeto recibido para realizar la inferencia
input	Text	Código del dioma de entrada
output	Text	Código del idioma de salida
knowledge_base-origin	Text	Origen de la base de conocimientos (request o database)
result	Object	Resultado de la inferencia
result.detected	Array	Arreglo de las entidades detectadas en el texto.
result.detected[i][0]	Text	Nombre canónico (llave de los ejemplos) de la entidad nombrada de la entidad i
result.detected[i][1]	Float	Score con el que se detectó la entdad i
result.detected[i][2]	Text	Ejemplo de la base de conocimiento al que más se parece la entidad i
result.detected[i][3]	Text	Texto en el ejemplo que coincide con el ejemplo proporcionado de la entidad i
result.indexes	Array	Arreglo de índices de las entidades detectadas
result.indexes[i][0]	Text	Nombre canónico de la enitad i
result.indexes[i][1]	Int	Posición donde empieza la entidad i en el texto
result.indexes[i][2]	Int	Posición donde termina la entidad i en el texto
result.indexes[i][3]	Int	Número de extracción de la entidad i (en que orden se derectan en el texto)

Output example

{
      "recieved": {
          "text": "Quiero estudiar en la Universidad de Yucatán o en la Modelo",
          "entities": {
              "UADY_CANONICAL": ["Universidad Autónoma de Yucatán", "UADY"],
              "MODELO_CANONICAL": ["modelo","universidad modelo","la modelo"]
          },
          "threshold": 0.65,
          "knowledge_base_origin": "request"
      },
      "result": {
          "detected": [
              ["UADY_CANONICAL",0.6551724137931034,"Universidad Autónoma de Yucatán","universidad_de_yucatan_o_en_la_"],
              ["MODELO_CANONICAL",0.7142857142857143,"la modelo","la_a_mode"]
          ],
          "indexes": [
              ["UADY_CANONICAL",22,51,1],
              ["MODELO_CANONICAL",19,26,2]
          ]
      }
  }

Ejemplo de salida desde la base de datos

{
      "recieved": {
          "sentence": "Que es lo que haces",
          "knowledge_base": {
              "Saludo": [
                  "¡Hola!",
                  "¿Cómo estas?",
                  "¿Cómo te va?",
                  "¿Qué onda?",
                  "Buenos días",
                  "Que tal"
              ],
              "Despedida": [
                  "¡Que tengas un buen día!",
                  "Chao",
                  "Bye!",
                  "Hasta pronto",
                  "Me despido",
                  "Nos vemos",
                  "Adiós",
                  "Hasta luego"
              ],
              "Si": [
                  "Sí",
                  "Correcto",
                  "Afirmativo",
                  "Afirma",
                  "Sip",
                  "También",
                  "si así es",
                  "ok"
              ],
              "No": [
                  "No",
                  "Nel",
                  "Ni al caso",
                  "Nada que ver",
                  "Nop",
                  "Tampoco"
              ],
              "Sin Sentido": [
                  "y",
                  "y la",
                  "de la",
                  "en el",
                  "las",
                  "es un",
                  "y para un",
                  "y de un"
              ],
              "Información": [
                  "como funcionas",
                  "ayuda",
                  "que haces"
              ],
              "Agradecimiento": [
                  "muchas gracias",
                  "que amable",
                  "gracias",
                  "Muchísimas gracias"
              ]
          },
          "input": "es",
          "output": "es",
          "knowledge_base_origin": "database"
      },
      "result": {
          "sentence": "Que es lo que haces",
          "categories": {
              "Saludo": 0.05631150305271149,
              "Despedida": 2.1519914272567317e-18,
              "Si": 1.2807382931967481e-10,
              "No": 1.1764227295214515e-20,
              "Sin Sentido": 0.029037540778517723,
              "Información": 0.6833909153938293,
              "Agradecimiento": 1.215563836653305e-13
          }
      }
  }