注：設定はすべての言語で共通しています（多言語Botの場合）が、中国語や韓国語のように、いくつかの言語では文字列がgramを作り、その他の（ラテン語ベースの）言語では単語のgramになります。

特性ルールは、ダイアログの実行およびナレッジグラフのインテント検出を定義します。

ダイアログの実行

インテントの検出やダイアログの実行は、MLの発話やパターンと一緒に特性を利用して行うことができます。これらを行うには、ルールを追加して、インテントと必要な特性との関連付けを行う必要があります。

ルールの追加には複数の方法があります。

1. 特性セクションから新しいルールの追加リンクを使用する
   
2. インテントノードからNLPプロパティのルールセクションを使用する
   
3. パターンとルールセクションから与えられたインテントのルールタブを使用する
   

それぞれのルールは、演算子としてANDを使用して1つ以上の条件を設定することができます。与えられたインテントに対して複数の特性ルールを定義することができ、いずれかのルールが一致した場合、そのインテントは完全一致とみなされます。

ナレッジグラフインテント

ナレッジグラフは、特性を使用して検出プロセスの一部を担うことができます。そのために、それぞれの用語またはノードを一つの特性に関連付けることができます。与えられた用語は、単一の特性に関連付けることができます。

注：特性は、リリース6.4以前のクラスに置き換わります。

グループ（特性タイプ）から1つの特性のみが検出され、「完全一致」とみなされます。

検出された特性はコンテキストオブジェクトに含まれます。コンテキストには、（特性タイプを参照することなく）識別された固有の特性が入力されます。この情報は以下のために使用されます。

• インテントの識別
• ダイアログの遷移
• エンティティの追加
• Botの定義

バッチテストレポートには、インテントAPIの検出と同様に、検出された特性に関する情報も含まれています。.

インテントの検出

ランキングおよび解決は、3つのNLエンジンと特性からの入力を取得し、分析し、可能性のある一致/完全一致を検出します。

• インテントは、特性ルールに存在するすべての特性（ナレッジグラフの場合は1つ）が検出された場合にのみ、「完全一致」とみなされます。
• NL分析では、検出された特性に関する情報が含まれ、NLPフローでは、検出された特性に関する情報が表示されます。
  

ダイアログの遷移

会話フローは特性を使用して制御することができます。ダイアログの場合、接続ルール は特性コンテキストを使用して定義することができます。これは、ダイアログのプロパティパネルの下にある接続タブから行うことができます。

特性コンテキストにはcontext.tritsを使用してアクセスすることができます。これは、インテントと一致するすべての特性の配列を返すため、使用する条件は contains となります。

For example, the utterance my card is being rejected and am on a business trip expresses two traits card decline and emergency. In this scenario, the utterance does not convey any direct intent, or at best it is used to trigger the unblock card flow. However, the presence of emergency trait is used to directly assign the conversation to a human agent.

Traits feature of the Bots platform is aimed at identifying such characteristics present in user utterances and use them for intent detection and in customizing the bot definition using these characteristics.

Book a Flight bot might have an added requirement to book a flight based on the cost preference.

User utterance: I am looking for a low-cost option to London must result in ordering the available flights and picking the lowest-priced ticket.

This can be achieved by:

• Adding a Trait Type called Travel Class with Trait Economy trained with the utterance low cost.
• Adding a Rule for book flight to be triggered in the presence of Economy Trait.
• Add transition condition in case Trait Economy is present in the context.

Configuring Traits involves:

• Trait Definition
• Trait Association Rules
• Trait Detection

To define Traits, under the Build top menu option, from the left menu, click Natural Language –> Training and select the Traits tab.

Following are the key features to be considered while defining Traits:

1. Trait Type is a collection of related traits like Travel Class in the above example.
2. Trait Type can be ML Based or Pattern Based. Each trait of a trait type can be trained using words, phrases, utterances, or patterns based on the type. Manage Trait Type allows you to define the training configuration. See below for ML-based trait configuration.
   
3. A Trait Type can have one or more Traits.
   
4. Traits names should be unique in a group. But traits with the same name can be present in multiple groups.
   • For ML-based Traits, you can define the words, phrases, or utterances that identify the trait. One trait per trait type is detected for ML-based trait types.
   • For Pattern-based Traits, you can define the patterns associated with the given trait. There is a possibility of multiple traits getting detected for pattern-based trait types. Ordering of Traits within the Trait Type signifies the importance of a trait in a trait type and detects only one trait.
5. Once added, Train the bot for the Traits to be detected from user utterances.
   

Notes:

1. You can add language-specific traits in the case of multi-lingual bots.
2. When a trait name is modified, ensure that all the rules defined using that trait are corrected. This has to be done manually, the platform will not take care of it.
3. The trait name must be unique in a group.
4. Traits with the same name can be present in multiple groups, but distinguishing them in trait rules or trait detection results is difficult.

When choosing to train traits using the ML model, by default, the n-gram model is used. An n-gram is the contiguous sequence of words used from training sentences to train the model. But this might not be effective when the corpus is very less or when the training sentences, in general, contain fewer words.

From v8.0 of the platform, an option is included to skip or use the n-gram model. Further, the option to parameterize the n-gram algorithm is included.

• When the n-gram option is selected, you can configure the n-gram Sequence Length by setting the maximum value of the n-gram. It is set to 1 by default and can be configured to any integer value between 1 and 5.
• When skip-gram is selected, you can configure
  • Sequence Length specifying the number of words to be included in a non-consecutive sequence. It is set to 2 by default and it can take any integer value between 2 and 4.
  • Maximum Skip Distance for the number of words that can be skipped to form a non-consecutive sequence of words. This value is set to 1 by default and can take any integer value from 1 to 3.

NOTE: While the settings are same for all languages (in case of multilingual bot), for some languages like Chinese and Korean sequence of characters form grams and for other (Latin-based) languages are word grams.

Trait Rules define Dialog Execution and Knowledge Graph Intent detection.

Dialog Execution

Intent detection or Dialog execution is achieved using traits, along with the ML utterances and patterns. To achieve this, intent must be associated with the required traits by adding Rules.

There are multiple ways to add rules:

1. From the Traits section using the Add New Rule link.
2. From the Intent Node using the Rules section under the NLP Properties.
   
3. From the Rules tab for a given Intent.

Each rule can have one or more conditions with AND as the operator. Multiple trait rules can be defined for a given intent and the intent is considered as a definite match if any one of the rules matches.

Knowledge Graph Intents

Knowledge Graph can also be part of the discovery process using Traits. For this, each term or node can be associated with a trait. A given term can be associated with a single Trait.

Only one trait from a group (trait type) will be detected and is considered as a definite match.

Traits detected are included in the context object. The context is populated with unique traits identified (without reference to trait type). This information can be used in:

• Intent identification
• Dialog transition
• Entity population
• bot definitions

Batch Testing reports also include information about traits detected as do the Find Intent API.

Intent Detection

The Ranking and Resolver gets input from the three NL engines and Traits to analyze and come up with the possible/definitive matches.

• The intent is considered as a definite match only if all the traits (one in the case of Knowledge Graph) present in a trait rule are detected.
• NL Analysis includes information on traits detected and the NLP Flow shows the information about traits detected.
  

Dialog Transition

Conversation Flow is controlled using Traits. For a Dialog, Connection Rules are defined using the Trait Context. This is done from the Connection tab under the Properties Panel for the Dialog.

The Traits Context is accessed using context.traits. It returns an array of all traits matching the intent, hence the condition to be used is contains.