Absichtsklassifizierung

Die Absichtsklassifizierung ist die Aufgabe der natürlichen Sprachverarbeitung, aus der Eingabe eines Benutzers zu ermitteln, was dieser erreichen möchte, indem eine Anfrage oder Nachricht einer aus einer Reihe vordefinierter Absichtskategorien zugeordnet wird. Sie beantwortet die Frage: “Was möchte diese Person?” (zum Beispiel, ob eine Suchanfrage informationell, navigational oder transaktional ist, oder ob eine Chatbot-Nachricht eine Begrüßung, eine Beschwerde oder eine Bitte um eine Reservierung ist).

Kurz gesagt: Die Absichtsklassifizierung liest die Worte eines Benutzers und benennt das dahinterstehende Ziel, sodass ein System weiß, wie es reagieren oder wohin es die Anfrage weiterleiten soll.

So funktioniert die Absichtsklassifizierung

Die Aufgabe besteht darin, freie Eingaben einer bekannten Reihe von Zielen zuzuordnen:

1. Absichten definieren: Es wird eine Reihe von Zielkategorien festgelegt, von einer festen Taxonomie wie check_balance oder book_flight bis hin zu allgemeinen Anfragetypen wie informationell, navigational und transaktional.
2. Beispiele sammeln: Beispielformulierungen werden mit ihrer Absicht gekennzeichnet.
   1. Beachten Sie, dass es zunehmend üblich wird, einem Modell die Absichtsdefinitionen zu geben und es aufzufordern, ohne Trainingsbeispiele zu klassifizieren.
3. Eingabe darstellen: Die Nachricht wird in Embeddings oder Merkmalsvektoren umgewandelt, also numerische Darstellungen, die ihre Bedeutung in einer Form erfassen, mit der der Klassifikator arbeiten kann.
4. Klassifizieren: Ein Modell weist die wahrscheinlichste Absicht mit einem Konfidenzwert zu. Bei hoher Konfidenz handelt das System; fällt sie unter einen Schwellenwert, kann sie eine Fallback-Antwort auslösen, an einen Menschen eskalieren oder dem Benutzer eine klärende Frage stellen, etwa “Meinten Sie X oder Y?”
5. Weiterleiten oder handeln: Die vorhergesagte Absicht bestimmt, was als Nächstes geschieht, zum Beispiel die Wahl einer Antwort, der Aufruf eines Tools oder die Auswahl einer Retrieval-Strategie.

Die Ansätze reichen von Schlüsselwortregeln und klassischen Machine-Learning-Klassifikatoren über Transformer-Modelle bis hin zu heutigen LLMs, die allein anhand von Absichtsbeschreibungen klassifizieren. Das entscheidende Merkmal ist, dass es bei der Absichtsklassifizierung um das Ziel hinter den Worten geht, nicht um die Worte selbst: Zwei sehr unterschiedlich formulierte Nachrichten können dieselbe Absicht teilen.

Absichtsklassifizierung im Vergleich zu Entitätsextraktion und Stimmungsanalyse

• Entitätsextraktion extrahiert die konkret genannten Dinge, wie Daten, Orte und Produktnamen; die Absichtsklassifizierung identifiziert das übergeordnete Ziel. Bei “buche einen Flug nach Paris für morgen” erkennt die Absichtsklassifizierung „einen Flug buchen“, während die Entitätsextraktion „Paris“ und „morgen“ erfasst, und beide laufen üblicherweise gemeinsam in einer NLU-Pipeline ab.
• Stimmungsanalyse kennzeichnet den emotionalen Ton, etwa positiv oder negativ; die Absichtsklassifizierung kennzeichnet den Zweck. “Das ist furchtbar, stornieren Sie meine Bestellung” ist stimmungsmäßig negativ und würde einer Absicht von cancel_order entsprechen.
• Schlüsselwortabgleich leitet anhand des Vorhandenseins bestimmter Wörter weiter; die Absichtsklassifizierung verallgemeinert auf neue Formulierungen, die ein Ziel teilen, selbst wenn sie keine Schlüsselwörter gemeinsam haben.

Wo die Absichtsklassifizierung eingesetzt wird

• Chatbots und virtuelle Assistenten: Entscheiden, welche Fähigkeit oder welcher Konversationsfluss eine Nachricht bearbeiten soll.
• Such- und Antwortmaschinen: Klassifizieren des Typs einer Suchanfrage, um zu wählen, wie geantwortet wird, etwa mit einer direkten Antwort, einer Liste von Links oder einer Retrieval-augmentierten Antwort.
• Weiterleitung im Kundensupport: Senden eines Tickets oder einer Nachricht an das richtige Team oder den richtigen automatisierten Workflow.
• Agenten und Tool-Auswahl: Einem System dabei helfen zu entscheiden, welches Tool oder welche Funktion eine Anfrage erfordert.

Die Absichtsklassifizierung ist der Schritt, der eine Roheingabe in eine Entscheidung darüber verwandelt, was zu tun ist: die Brücke zwischen dem Verstehen einer Anfrage und dem Handeln danach.

Verwandte Begriffe

Entitätsextraktion, natürliches Sprachverständnis (NLU), Anfrageverständnis, Konversationelle Suche, Chatbot, Stimmungsanalyse, Slot-Filling, Großes Sprachmodell (LLM), Routing.