{"id":19523,"date":"2021-06-03T11:03:25","date_gmt":"2021-06-03T18:03:25","guid":{"rendered":"https:\/\/blog.webex.com\/verwendung-von-sprechakten-fur-gesprachs-ki\/"},"modified":"2021-07-29T09:12:13","modified_gmt":"2021-07-29T16:12:13","slug":"verwendung-von-sprechakten-fur-gesprachs-ki","status":"publish","type":"post","link":"https:\/\/blog.webex.com\/de\/maschinenbau\/verwendung-von-sprechakten-fur-gesprachs-ki\/","title":{"rendered":"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI"},"content":{"rendered":"<p><em>Dies ist ein begleitender Blogbeitrag zu meinem Vortrag auf der REWORK-Konferenz am 28.\u00a0April\u00a02021. Die Folien zum Vortrag finden Sie <\/em><a href=\"https:\/\/drive.google.com\/file\/d\/1Pv84LsgvoAuHKgO_zGskm9Cxf1B_wtUh\/view?usp=sharing\"> <em>hier<\/em><\/a><em>.\u00a0<\/em><\/p>\n<p><iframe loading=\"lazy\" title=\"Leveraging Speech Acts for Conversational AI | Cisco\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/Y7eSC97fr5c?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<p>Nat\u00fcrliches Sprachverst\u00e4ndnis (Natural Language Understanding, NLU) ist eine Schl\u00fcsselkomponente in jedem Gespr\u00e4chs-KI-System. In einem aufgabenorientierten Dialogsystem besteht NLU in der Regel aus Klassifikatoren, mit denen die Absichten des Benutzers und die vorhandenen Slots oder Entit\u00e4ten erkannt werden. Der Dialogmanager nutzt diese Ergebnisse, um den richtigen Dialogstatus auszuw\u00e4hlen und geeignete Ma\u00dfnahmen zu ergreifen, um die Anfrage des Benutzers zu erf\u00fcllen. In einigen F\u00e4llen kann die Absicht nicht eindeutig erkannt werden, oder die Kenntnis der Absicht und der in der Anfrage des Benutzers vorhandenen Entit\u00e4ten reicht nicht aus, damit der Dialogmanager die optimalen Ma\u00dfnahmen ergreifen kann. Schauen wir uns zum Beispiel einmal die folgende Interaktion eines Benutzers mit einem Bot auf der Website eines Bekleidungsh\u00e4ndlers an:<\/p>\n<p><a href=\"https:\/\/storage.googleapis.com\/wx-blg-prd-gcs\/wp-content\/uploads\/1\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png\"><br \/>\n  <img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-12396\" src=\"https:\/\/storage.googleapis.com\/wx-blg-prd-gcs\/wp-content\/uploads\/1\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png\" alt=\"Nat\u00fcrliches Sprachverst\u00e4ndnis (Natural Language Understanding, NLU)\" width=\"2928\" height=\"1060\" srcset=\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png 980w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM-300x109.png 300w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM-1024x371.png 1024w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM-768x278.png 768w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM-1536x556.png 1536w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM-2048x741.png 2048w\" sizes=\"auto, (max-width: 2928px) 100vw, 2928px\" \/><br \/>\n<\/a><\/p>\n<p>Der Benutzer beginnt die Interaktion mit einem Gru\u00df, gefolgt von einer Frage nach einem bestimmten Produkt. In diesen beiden F\u00e4llen reichen die erkannte Absicht und die Slots aus, damit der Bot dem Benutzer erfolgreich eine intelligente, sinnvolle Empfehlung aussprechen kann. Das Problem entsteht, wenn der Benutzer als Antwort auf die Empfehlung seinen Eindruck von dem Produkt \u00e4u\u00dfert. Welcher Absicht sollen solche Anfragen zugeordnet und welche Entit\u00e4ten sollen erkannt werden? Normalerweise wird dem Benutzer in solchen Situationen eine Eingabeaufforderung angezeigt, die das Gespr\u00e4ch wieder auf konkret umsetzbare Aspekte lenken soll, beispielsweise: \u201eDas habe ich nicht verstanden. Wenn Sie weitere Optionen sehen m\u00f6chten, sagen Sie: \u201aMehr anzeigen.\u2018\u201c<\/p>\n<p>Das ist f\u00fcr den Benutzer zwar nicht sonderlich schlimm, aber wir k\u00f6nnen den Bot intelligenter machen, indem wir dem NLU-System ein zus\u00e4tzliches Klassifikatormodul hinzuf\u00fcgen, das Sprechakte oder Dialogakte erkennen soll.<\/p>\n<h2><strong>Was sind Sprechakte?<\/strong><\/h2>\n<p>Sprechakte erfassen bei jeder \u00c4u\u00dferung im Rahmen eines Gespr\u00e4chs den Kontext und die Absicht des Benutzers. Diese Absichten unterscheiden sich von den \u00fcblichen Dialogabsichten, insofern sie allgemeiner sind. Beispielsweise k\u00f6nnen die Fragen \u201eWas kostet das?\u201c und \u201eWie wird das Wetter heute?\u201c den Absichten \u201eKOSTEN_ABRUFEN\u201c bzw. \u201eWETTER_ABRUFEN\u201c zugeordnet werden, es handelt sich allerdings um denselben Sprechakt: \u201eFRAGE\u201c bzw. \u201eW-FRAGE\u201c, wenn man mehr ins Detail gehen m\u00f6chte. Die Literatur verwendet unterschiedliche Klassifizierungssysteme f\u00fcr Sprechakte, und wir k\u00f6nnen die Untergruppe verwenden, die f\u00fcr unsere Zwecke geeignet ist. Wenn Sie genauer wissen m\u00f6chten, wie diese Kennzeichnungen aussehen k\u00f6nnen, schauen Sie sich die <a href=\"https:\/\/web.stanford.edu\/~jurafsky\/ws97\/manual.august1.html\">SWBD-DAMSL<\/a>-Klassifizierung an, die mit 42\u00a0Kennzeichnungen sehr umfangreich ist.<\/p>\n<h2><strong>Sprechakte f\u00fcr das Dialogmanagement<\/strong><\/h2>\n<p>Im oben vorgestellten Beispieldialog zwischen einem Benutzer und einem Bot k\u00f6nnten wir die Sprechaktkennzeichnungen \u201eBEGR\u00dcSSUNG\u201c (oder \u201eGESPR\u00c4CHSEINSTIEG\u201c), \u201eFRAGE\u201c und \u201eMEINUNG-NEGATIV\u201c f\u00fcr die drei Benutzeranfragen verwenden. Jetzt, wo wir wissen, dass die letzte \u00c4u\u00dferung des Benutzers eine negative Meinung \u00fcber die Marke ausgedr\u00fcckt hat (die als dem Entit\u00e4tstyp \u201eKategorie\u201c zugeh\u00f6rig markiert ist), kann der Dialogmanager die Liste der Empfehlungen filtern, um Optionen aus der Kategorie, die dem Benutzer nicht gef\u00e4llt, auszuschlie\u00dfen.<\/p>\n<h2><strong>Sprechakte zum Erkennen umsetzbarer Elemente in Gespr\u00e4chen<\/strong><\/h2>\n<p>Bei einer weiteren interessanten Anwendungsm\u00f6glichkeit von Sprechakten, mit der wir experimentiert haben, nutzen wir sie, um Highlights eines Meetings herauszufiltern. Anders als bei der Zusammenfassung von Zeitungsartikeln, einem Problem, das bereits eingehend untersucht wurde, ist es schwierig, eine auszugsweise Zusammenfassung eines Meetings (z.\u00a0B. die Highlights des Meetings) zu erstellen, weil es schwierig ist, an kommentierte Daten zu kommen. Was als Highlight gilt, ist ziemlich subjektiv. So stehen f\u00fcr einen Ingenieur beispielsweise die Einzelheiten der Implementierung, die im Meeting besprochen wurde, im Mittelpunkt, w\u00e4hrend ein Produktmanager diese Feinheiten m\u00f6glicherweise gar nicht wissen muss. Diese Subjektivit\u00e4t und die sensible Natur von Meeting-Daten machen es schwer, kommentierte Daten zu finden, um ein Modell zu trainieren.<\/p>\n<p>Die Literatur und interne Umfragen haben gezeigt, dass am ehesten dahingehend Einigkeit herrscht, dass Aktionselemente und die Nachbereitung zu den wichtigen Punkten in einem Meeting geh\u00f6ren. Davon ausgehend haben wir uns vor allem darauf konzentriert, umsetzbare Elemente in Meetings zu erkennen. Im Folgenden sehen Sie einige Beispiele f\u00fcr umsetzbare Elemente. Es scheint zwei \u00fcbergeordnete Kategorien zu geben, wie Aktionselemente ausgedr\u00fcckt werden: Ein Sprecher sagt eine Handlung zu oder ein Sprecher erteilt einen Befehl. Diese Beobachtung macht Sprechakte zur idealen L\u00f6sung f\u00fcr dieses Problems.<\/p>\n<p><a href=\"https:\/\/storage.googleapis.com\/wx-blg-prd-gcs\/wp-content\/uploads\/1\/2021\/06\/Screen-Shot-2021-06-02-at-4.11.04-PM.png\"><br \/>\n  <img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-12406\" src=\"https:\/\/storage.googleapis.com\/wx-blg-prd-gcs\/wp-content\/uploads\/1\/2021\/06\/Screen-Shot-2021-06-02-at-4.11.04-PM.png\" alt=\"Probleme\/Bedenken des Sprechers\" width=\"2338\" height=\"1032\" srcset=\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.11.04-PM.png 980w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.11.04-PM-300x132.png 300w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.11.04-PM-1024x452.png 1024w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.11.04-PM-768x339.png 768w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.11.04-PM-1536x678.png 1536w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.11.04-PM-2048x904.png 2048w\" sizes=\"auto, (max-width: 2338px) 100vw, 2338px\" \/><br \/>\n<\/a><\/p>\n<p>Um diese Aufgabe zu erf\u00fcllen, verwenden wir die folgende Klassifizierung von Sprechakten:<\/p>\n<ul>\n<li>Zusagen[COM]\u00a0\u2013 Sprecher verspricht, etwas zu tun\n<ul>\n<li>\u201eIch schicke Ihnen eine E-Mail mit den Einzelheiten.\u201c<\/li>\n<li>\u201eIch organisiere am Montag ein Meeting mit Jerry.\u201c<\/li>\n<\/ul>\n<\/li>\n<li>Anweisungen[DIR]\u00a0\u2013 Sprecher bittet den Zuh\u00f6rer darum, etwas zu tun\n<ul>\n<li>\u201eK\u00f6nnen Sie sich morgen mit ihnen abstimmen?\u201c<\/li>\n<li>\u201eWie sch\u00e4tzen Sie dieses Projekt ein?\u201c<\/li>\n<\/ul>\n<\/li>\n<li>Erl\u00e4uterungen[ELB]\u00a0\u2013 Sprecher erg\u00e4nzt eine ZUS oder ANW um weitere Informationen\n<ul>\n<li>\u201eIch organisiere heute ein Meeting mit Emma. Dabei m\u00f6chte ich vor allem dieses Projekt genauer mit ihr besprechen.\u201c (ZUS gefolgt von ERL)<\/li>\n<li>\u201eSie sollten mit der Arbeit an der Dokumentation beginnen. Das erleichtert die Weitergabe.\u201c (ANW gefolgt von ERL)<\/li>\n<\/ul>\n<\/li>\n<li>Best\u00e4tigung[ACK]\u00a0\u2013 Sprecher best\u00e4tigt etwas\n<ul>\n<li>\u201eJa, das klingt gut.\u201c<\/li>\n<li>\u201eF\u00fcr mich ist das in Ordnung.\u201c<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>Einige Zusagen und Anweisungen m\u00fcssen nicht unbedingt aufgenommen werden, weil der Handlungsumfang auf die Dauer des Meetings beschr\u00e4nkt ist. Beispiel: \u201eIch gebe meinen Bildschirm frei\u201c oder \u201eK\u00f6nnen Sie mein Chrome-Fenster sehen?\u201c Um mit solchen F\u00e4llen umgehen zu k\u00f6nnen, m\u00fcssen wir die ZUS und die ANW weiter in die Klassen \u201eim Meeting\u201c (IM) und \u201enach dem Meeting\u201c (NM) unterteilen. S\u00e4tze, die als ZUS-NM oder ANW-NM klassifiziert werden, sind diejenigen, die wir als umsetzbare Elemente f\u00fcr die Benutzer erfassen m\u00f6chten.<\/p>\n<p>Wir haben das vorab mit 50.000\u00a0S\u00e4tzen aus Meetings, die mit diesen Kennzeichnungen kommentiert waren, trainierte Modell <a href=\"https:\/\/huggingface.co\/transformers\/model_doc\/roberta.html#robertaf\u00fcrsequenzklassifizierung\">RoBERTa<\/a> (vom Typ \u201eTransformer\u201c) weiter angepasst. Das Modell wies bei einem Test mit 3.000 ge\u00e4u\u00dferten S\u00e4tzen eine Genauigkeit von etwa 82\u00a0% bei der Vorhersage des richtigen Sprechakts auf. Um das endg\u00fcltige Ziel, wichtige Punkte in Meetings zu identifizieren, zu bewerten, haben wir zwei Kommentierungsexperten gebeten, zw\u00f6lf Meetings mit bin\u00e4ren Kennzeichnungen zu versehen, ob die einzelnen S\u00e4tzen in den Meetings als Highlights gelten sollten oder nicht. Das Modell weist eine hohe Genauigkeit von 88\u00a0% auf, d.\u00a0h., 88 von 100 vom Modell vorhergesagten Highlights waren richtig. Die Trefferquote lag jedoch bei 42\u00a0%, d.\u00a0h., mehr als 50\u00a0% der Highlights wurden entweder vom Modell \u00fcbersehen oder passten nicht in das Schema aus Zusagen und Anweisungen. Auch wenn hier noch viel Raum f\u00fcr Verbesserungen bleibt, ist die hohe Genauigkeit ermutigend.<\/p>\n<h2><strong>Weitere Anwendungen<\/strong><\/h2>\n<p>Wir haben hier nur zwei Anwendungen vorgestellt, bei denen Sprechakte hilfreich sind, es gibt aber noch viele weitere reale Anwendungsf\u00e4lle. Sprechakte helfen, die \u00fcbergeordnete Struktur eines Gespr\u00e4chs zu verstehen, die bei der Analyse von Gespr\u00e4chsprotokollen aus Callcentern hilfreich sein kann. Eine aktuelle <a href=\"https:\/\/arxiv.org\/pdf\/2004.14257.pdf\">Ver\u00f6ffentlichung<\/a>, die sich damit besch\u00e4ftigte, wie man S\u00e4tze automatisch h\u00f6flich formulieren kann, verwendete einen Klassifikator f\u00fcr Sprechakte, um unh\u00f6fliche S\u00e4tze zu erkennen und dann die erforderlichen Korrekturen vorzunehmen. Es gibt auch einige offene Datasets, die Sie sich anschauen k\u00f6nnen, beispielsweise den <a href=\"https:\/\/compprag.christopherpotts.net\/swda.html\">Switchboard-Korpus<\/a> und den <a href=\"https:\/\/www.aclweb.org\/anthology\/W04-2319.pdf\">ICSI\u00a0Meeting\u00a0Recorder-Korpus.<\/a> Beide enthalten Gespr\u00e4che, die mit den unterschiedlichsten Kennzeichnungen f\u00fcr Sprechakte versehen wurden.<\/p>\n<p>Bei Webex kommen viele verschiedene Formen von Konversationen vor: in unseren Anruf-, Messaging- und Meeting-Anwendungen ebenso wie in unseren Contact\u00a0Center-L\u00f6sungen. Wir haben gerade erst begonnen zu verstehen, wie auf Sprechakten basierende NLP-Modelle unseren Kunden helfen k\u00f6nnen, Erkenntnisse aus ihren eigenen Daten zu gewinnen. In den kommenden Monaten werden wir uns weiter mit diesem Thema besch\u00e4ftigen, also bleiben Sie dran.<\/p>\n<blockquote><p><span data-contrast=\"auto\">M\u00f6chten Sie im MindMeld-Team mitarbeiten? Senden Sie eine E-Mail an mindmeld-jobs@cisco.com!<\/span><\/p><\/blockquote>\n<h2><strong>\u00dcber die Autorin<\/strong><\/h2>\n<p><a href=\"https:\/\/www.linkedin.com\/in\/varshaembar\/\">Varsha Embar<\/a> ist leitende Ingenieurin f\u00fcr maschinelles Lernen im MindMeld Team bei Cisco und entwickelt Konversationsschnittstellen auf der Produktionsebene. Sie arbeitet an der Verbesserung der zentralen NLP(Natural Language Processing)-Plattform, beispielsweise an Funktionen und Algorithmen f\u00fcr Situationen mit wenigen Ressourcen, und sie besch\u00e4ftigt sich mit schwierigen Fragen wie der Zusammenfassung und Erkennung von Aktionselementen in Abschriften von lauten Meetings. Bevor Sie zu MindMeld kam, hat Varsha an der Carnegie Mellon University ihren Master in maschinellem Lernen und NLP gemacht.<\/p>\n<p><a href=\"https:\/\/www.webex.com\/video-conferencing\">F\u00fcr Webex anmelden<\/a><\/p>\n<p>Besuchen Sie unsere\u00a0<a href=\"https:\/\/www.webex.com\/\">Homepage<\/a>\u00a0oder\u00a0<a href=\"https:\/\/www.webex.com\/contact-us.html\">kontaktieren Sie uns<\/a>\u00a0direkt, wenn Sie Unterst\u00fctzung ben\u00f6tigen.<\/p>\n<p><span data-ccp-props=\"{&quot;201341983&quot;:0,&quot;335559739&quot;:160,&quot;335559740&quot;:259}\"><br \/>\n  <a href=\"https:\/\/www.webex.com\/?utm_source=Influence&#038;utm_medium=EarnedContent&#038;utm_campaign=FutureOfWork\">Klicken Sie hier<\/a>, um mehr \u00fcber die Angebote von Webex zu erfahren und sich f\u00fcr ein kostenloses Konto anzumelden.\u00a0<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>In einem Gespr\u00e4ch kann man Dinge fordern, Fragen stellen, Anweisungen erteilen, Versprechen abgeben, sich bedanken, sich entschuldigen und vieles mehr. Wie kann man Modelle so trainieren, dass sie solche Absichten von Sprechern verstehen, und wie l\u00e4sst sich das in echten Anwendungen einsetzen?<\/p>\n","protected":false},"author":5414,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[1529],"tags":[4733],"class_list":["post-19523","post","type-post","status-publish","format-standard","hentry","category-maschinenbau","tag-kunstliche-intelligenz"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.8 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI | Webex Blog<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI | Webex Blog\" \/>\n<meta property=\"og:description\" content=\"In einem Gespr\u00e4ch kann man Dinge fordern, Fragen stellen, Anweisungen erteilen, Versprechen abgeben, sich bedanken, sich entschuldigen und vieles mehr. Wie kann man Modelle so trainieren, dass sie solche Absichten von Sprechern verstehen, und wie l\u00e4sst sich das in echten Anwendungen einsetzen?\" \/>\n<meta property=\"og:url\" content=\"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/\" \/>\n<meta property=\"og:site_name\" content=\"Webex Blog\" \/>\n<meta property=\"article:published_time\" content=\"2021-06-03T18:03:25+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2021-07-29T16:12:13+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png\" \/>\n\t<meta property=\"og:image:width\" content=\"980\" \/>\n\t<meta property=\"og:image:height\" content=\"355\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Varsha Embar\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Varsha Embar\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/\"},\"author\":{\"name\":\"Varsha Embar\",\"@id\":\"https:\\\/\\\/blog.webex.com\\\/es\\\/#\\\/schema\\\/person\\\/45d5e027675d465bd1254a1fb51822d7\"},\"headline\":\"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI\",\"datePublished\":\"2021-06-03T18:03:25+00:00\",\"dateModified\":\"2021-07-29T16:12:13+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/\"},\"wordCount\":1409,\"commentCount\":0,\"image\":{\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/storage.googleapis.com\\\/wx-blg-prd-gcs\\\/wp-content\\\/uploads\\\/1\\\/2021\\\/06\\\/Screen-Shot-2021-06-02-at-4.09.19-PM.png\",\"keywords\":[\"k\u00fcnstliche Intelligenz\"],\"articleSection\":[\"Maschinenbau\"],\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/\",\"url\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/\",\"name\":\"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI | Webex Blog\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/blog.webex.com\\\/es\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/storage.googleapis.com\\\/wx-blg-prd-gcs\\\/wp-content\\\/uploads\\\/1\\\/2021\\\/06\\\/Screen-Shot-2021-06-02-at-4.09.19-PM.png\",\"datePublished\":\"2021-06-03T18:03:25+00:00\",\"dateModified\":\"2021-07-29T16:12:13+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/blog.webex.com\\\/es\\\/#\\\/schema\\\/person\\\/45d5e027675d465bd1254a1fb51822d7\"},\"breadcrumb\":{\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/#primaryimage\",\"url\":\"https:\\\/\\\/storage.googleapis.com\\\/wx-blg-prd-gcs\\\/wp-content\\\/uploads\\\/1\\\/2021\\\/06\\\/Screen-Shot-2021-06-02-at-4.09.19-PM.png\",\"contentUrl\":\"https:\\\/\\\/storage.googleapis.com\\\/wx-blg-prd-gcs\\\/wp-content\\\/uploads\\\/1\\\/2021\\\/06\\\/Screen-Shot-2021-06-02-at-4.09.19-PM.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/uncategorized-de\\\/verwendung-von-sprechakten-fur-gesprachs-ki\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/blog.webex.com\\\/es\\\/#website\",\"url\":\"https:\\\/\\\/blog.webex.com\\\/es\\\/\",\"name\":\"Webex Blog\",\"description\":\"Webex by Cisco powers collaboration through industry-leading video conferencing, cloud calling and contact center solutions\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/blog.webex.com\\\/es\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/blog.webex.com\\\/es\\\/#\\\/schema\\\/person\\\/45d5e027675d465bd1254a1fb51822d7\",\"name\":\"Varsha Embar\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f92e6ef013a0cab3048adc5009c21470c203e2aa6fb2f6831f711624a8e3d9e2?s=96&d=wp_user_avatar&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f92e6ef013a0cab3048adc5009c21470c203e2aa6fb2f6831f711624a8e3d9e2?s=96&d=wp_user_avatar&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f92e6ef013a0cab3048adc5009c21470c203e2aa6fb2f6831f711624a8e3d9e2?s=96&d=wp_user_avatar&r=g\",\"caption\":\"Varsha Embar\"},\"description\":\"Varsha Embar is a Senior Machine Learning Engineer on the MindMeld team at Cisco, where she builds production-level conversational interfaces. She works on improving the core Natural Language Processing platform, including features and algorithms for low-resource settings, and tackles challenging problems such as summarization and action item detection in noisy meeting transcripts. Prior to MindMeld, Varsha earned her Master\u2019s degree in Machine Learning and Natural Language Processing from Carnegie Mellon University.\",\"url\":\"https:\\\/\\\/blog.webex.com\\\/de\\\/contributors\\\/vembar\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI | Webex Blog","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/","og_locale":"de_DE","og_type":"article","og_title":"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI | Webex Blog","og_description":"In einem Gespr\u00e4ch kann man Dinge fordern, Fragen stellen, Anweisungen erteilen, Versprechen abgeben, sich bedanken, sich entschuldigen und vieles mehr. Wie kann man Modelle so trainieren, dass sie solche Absichten von Sprechern verstehen, und wie l\u00e4sst sich das in echten Anwendungen einsetzen?","og_url":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/","og_site_name":"Webex Blog","article_published_time":"2021-06-03T18:03:25+00:00","article_modified_time":"2021-07-29T16:12:13+00:00","og_image":[{"width":980,"height":355,"url":"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png","type":"image\/png"}],"author":"Varsha Embar","twitter_misc":{"Verfasst von":"Varsha Embar","Gesch\u00e4tzte Lesezeit":"7 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/#article","isPartOf":{"@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/"},"author":{"name":"Varsha Embar","@id":"https:\/\/blog.webex.com\/es\/#\/schema\/person\/45d5e027675d465bd1254a1fb51822d7"},"headline":"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI","datePublished":"2021-06-03T18:03:25+00:00","dateModified":"2021-07-29T16:12:13+00:00","mainEntityOfPage":{"@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/"},"wordCount":1409,"commentCount":0,"image":{"@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/#primaryimage"},"thumbnailUrl":"https:\/\/storage.googleapis.com\/wx-blg-prd-gcs\/wp-content\/uploads\/1\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png","keywords":["k\u00fcnstliche Intelligenz"],"articleSection":["Maschinenbau"],"inLanguage":"de-DE","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/","url":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/","name":"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI | Webex Blog","isPartOf":{"@id":"https:\/\/blog.webex.com\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/#primaryimage"},"image":{"@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/#primaryimage"},"thumbnailUrl":"https:\/\/storage.googleapis.com\/wx-blg-prd-gcs\/wp-content\/uploads\/1\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png","datePublished":"2021-06-03T18:03:25+00:00","dateModified":"2021-07-29T16:12:13+00:00","author":{"@id":"https:\/\/blog.webex.com\/es\/#\/schema\/person\/45d5e027675d465bd1254a1fb51822d7"},"breadcrumb":{"@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/"]}]},{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/#primaryimage","url":"https:\/\/storage.googleapis.com\/wx-blg-prd-gcs\/wp-content\/uploads\/1\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png","contentUrl":"https:\/\/storage.googleapis.com\/wx-blg-prd-gcs\/wp-content\/uploads\/1\/2021\/06\/Screen-Shot-2021-06-02-at-4.09.19-PM.png"},{"@type":"BreadcrumbList","@id":"https:\/\/blog.webex.com\/de\/uncategorized-de\/verwendung-von-sprechakten-fur-gesprachs-ki\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/blog.webex.com\/de\/"},{"@type":"ListItem","position":2,"name":"Verwendung von Sprechakten f\u00fcr Gespr\u00e4chs-KI"}]},{"@type":"WebSite","@id":"https:\/\/blog.webex.com\/es\/#website","url":"https:\/\/blog.webex.com\/es\/","name":"Webex Blog","description":"Webex by Cisco powers collaboration through industry-leading video conferencing, cloud calling and contact center solutions","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/blog.webex.com\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de-DE"},{"@type":"Person","@id":"https:\/\/blog.webex.com\/es\/#\/schema\/person\/45d5e027675d465bd1254a1fb51822d7","name":"Varsha Embar","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/secure.gravatar.com\/avatar\/f92e6ef013a0cab3048adc5009c21470c203e2aa6fb2f6831f711624a8e3d9e2?s=96&d=wp_user_avatar&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/f92e6ef013a0cab3048adc5009c21470c203e2aa6fb2f6831f711624a8e3d9e2?s=96&d=wp_user_avatar&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/f92e6ef013a0cab3048adc5009c21470c203e2aa6fb2f6831f711624a8e3d9e2?s=96&d=wp_user_avatar&r=g","caption":"Varsha Embar"},"description":"Varsha Embar is a Senior Machine Learning Engineer on the MindMeld team at Cisco, where she builds production-level conversational interfaces. She works on improving the core Natural Language Processing platform, including features and algorithms for low-resource settings, and tackles challenging problems such as summarization and action item detection in noisy meeting transcripts. Prior to MindMeld, Varsha earned her Master\u2019s degree in Machine Learning and Natural Language Processing from Carnegie Mellon University.","url":"https:\/\/blog.webex.com\/de\/contributors\/vembar\/"}]}},"_links":{"self":[{"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/posts\/19523","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/users\/5414"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/comments?post=19523"}],"version-history":[{"count":0,"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/posts\/19523\/revisions"}],"wp:attachment":[{"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/media?parent=19523"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/categories?post=19523"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.webex.com\/de\/wp-json\/wp\/v2\/tags?post=19523"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}