> For the complete documentation index, see [llms.txt](https://docs.chatlayer.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/basic-nlp-concepts.md). # Conceitos básicos de NLP Entender a linguagem natural é desafiador. Leva mais de 12 anos para aprendermos 20.000 palavras comuns. Imagine como isso é difícil para os computadores! Treinar mecanismos de NLP exige uma quantidade enorme de dados. Felizmente, os modelos pré-treinados ajudam. Nosso mecanismo de NLP lida com erros de ortografia, sinônimos, gírias e ordem das palavras. Nesta página, você aprenderá o básico para treinar o modelo de NLP do seu bot. ## Modelo de NLP Um modelo de NLP é composto por um conjunto de [intenções](#intents) e [entidades](#entities) que são [treinadas](/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/train-your-nlp.md) em dados para que o modelo consiga reconhecer expressões que nunca foram vistas. Cada bot tem seu próprio modelo de NLP. Você pode configurar seu modelo de NLP na [aba de NLP](/chatlayer-documentation-pt-br/navegacao/natural-language-processing-nlp.md).

Os fundamentos do NLP.

Sempre que um usuário envia uma mensagem ao bot, o bot verificará se essa mensagem pode ser rotulada com uma intenção que faz parte do modelo de NLP.
Exemplo Por exemplo, quando um usuário digita *'Me consiga uma passagem aérea,'* o NLP verificará se esta frase corresponde a alguma de suas expressões e se essa mensagem contém palavras semelhantes às expressões. No exemplo acima, o NLP atribui uma pontuação de confiança de 93% de que *'Me consiga uma passagem aérea'* pertence à intenção *'Reservar voo'*. Como esta frase é reconhecida acima do [limiar de NLP](https://docs.chatlayer.ai/understanding-users/natural-language-processing-nlp/settings), a resposta vinculada a essa intenção será exibida ao usuário.
## Intenções Uma intenção é uma série de **expressões** (ou enunciados) que significam a mesma intenção ou objetivo do ponto de vista do usuário. Durante a conversa, as intenções são reconhecidas pelo [motor de NLP](https://docs.chatlayer.ai/understanding-users/natural-language-processing-nlp) e servem para conduzir a conversa de maneiras diferentes.
Exemplo de intenções Alguns exemplos de intenções: * Reservar passagem de trem * Falar com um humano * Criar chamado de suporte * Saudação * Sim
Você pode [adicione intenções na aba de NLP](/chatlayer-documentation-pt-br/navegacao/natural-language-processing-nlp/intents.md#add-a-new-intent).
{% hint style="info" %} É importante delimitar bem suas intenções para que o bot possa reconhecê-las com mais facilidade. Saiba como criar boas intenções [aqui](https://docs.chatlayer.ai/tips-and-best-practices/how-to-nlp). {% endhint %} ## Expressões As expressões são frases de exemplo para uma intenção específica: elas representam todas as diferentes formas pelas quais um usuário pode expressar sua intenção.
Exemplo de expressões Aqui estão algumas expressões para a intenção 'quem é você' * Quem é você? * Qual é o seu nome? * Você tem nome? * Me conte mais sobre você * Por favor, gostaria de saber com quem estou falando * Como devo chamá-lo? * quem é choo choo? * Me diga qual é o seu nome * Quem é você, pô? * Como as pessoas te chamam? Aqui estão algumas expressões para a intenção 'pedir pizza' * Gostaria de pedir uma pizza, por favor * Posso pedir uma pizza para viagem? * Quero uma pizza margherita * Gostaria de pedir comida * Você pode me ajudar a pedir pizza? * Estou com vontade de comer pizza hoje à noite!
Você pode [adicione expressões na aba de NLP](/chatlayer-documentation-pt-br/navegacao/natural-language-processing-nlp/expressions.md#add-expressions). {% hint style="info" %} É crucial que uma intenção contenha expressões diversas para que o NLP possa fornecer resultados mais precisos. Saiba mais sobre como criar um bom conjunto de expressões [aqui](/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/how-to-nlp.md#trainingdatagenerationforchatbots-bestpractices-expressions). {% endhint %}

Expressões para uma intenção 'falar com um humano'.

{% hint style="info" %} Observe que nosso mecanismo de NLP tem um limite de 1000 caracteres. Mensagens com mais de 1000 caracteres sempre acionarão o bloco Não entendido. {% endhint %} ## Entidades [Entidades](/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/detect-information-with-entities.md) são partes importantes de informação que podem ser extraídas de uma expressão. Você quer armazenar essas entidades como variáveis para poder reutilizá-las mais tarde.

Exemplo de uma expressão em que as entidades @date, @origin e @destination são extraídas.

{% hint style="info" %} A Chatlayer tem diferentes tipos de entidades. Saiba tudo sobre eles [aqui](/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/detect-information-with-entities.md). {% endhint %} --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/basic-nlp-concepts.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.