Mi az intent?
Az intent (szándék) a felhasználó üzenetének mögöttes célját jelöli. Például a „Mikor érkezik a csomagom?” és a „Hol tart a rendelésem?” mondatok különböző szövegezésűek, de azonos intentet képviselnek: order_status.
Az intent classification feladata, hogy a bemeneti szöveget egy előre definiált kategóriába sorolja. A kategóriák száma és granularitása a chatbot domainjétől függ — egy egyszerű FAQ-bot 5–10 intenttel is működhet, egy komplex ügyfélszolgálati rendszer 50–100 intentet is kezelhet.
Adatkészlet készítés
Az intent modell minősége elsősorban a tanító adatok minőségén múlik. Minden intenthez legalább 20–50 változatos példamondat ajánlott. Az adatkészlet JSONL formátumban tárolható:
{"text": "Szeretném lemondani a rendelésem", "intent": "cancel_order"}
{"text": "Mégsem kérem a terméket", "intent": "cancel_order"}Fontos az egyensúly: ha egy intent 500, egy másik 20 példamondattal rendelkezik, a modell torz predikciókat ad. Augmentációs technikák (szinonimacsere, back-translation) segíthetnek, de nem helyettesítik a valós felhasználói adatokat.
Modellválasztás
Kezdő szinten a TF-IDF + logisztikus regresszió kombináció gyors baseline-t ad. Haladóbb megoldásként fine-tuned BERT vagy multilingual modell (pl. mBERT, XLM-RoBERTa) használható magyar nyelvű intent felismeréshez.
A modellválasztásnál figyelembe kell venni a latencia követelményt: egy valós idejű chatbotnál az intent felismerésnek tipikusan 200 ms alatt kell lefutnia. A kisebb, domain-specifikus modellek gyakran jobban teljesítenek, mint a nagy általános nyelvi modellek.
Értékelési metrikák
Az intent modell értékeléséhez precision, recall és F1-score szükséges intentenként és összesítve is. A confusion matrix vizualizáció segít azonosítani az összetéveszthető intent párokat — például a modify_order és cancel_order gyakran keverednek.
Cross-validation mellett érdemes külön hold-out tesztkészletet fenntartani, amely valós felhasználói logokból származik. A laboratóriumi metrikák és a produkciós teljesítmény között jelentős eltérés lehet.