Entity Regexp

Beberapa entitas perlu mencocokkan pola, bukan istilah tertentu. Misalnya, nomor identifikasi nasional, tanda pengenal, pelat nomor, dan sebagainya. Dengan entitas ekspresi reguler, Anda dapat memberikan ekspresi reguler untuk pencocokan.

Tempat menemukan data ini

Saat membangun agen, biasanya digunakan konsol Dialogflow ES (kunjungi dokumentasi, buka konsol). Petunjuk di bawah berfokus pada penggunaan konsol. Untuk mengakses data entitas:

1. Buka konsol Dialogflow ES.
2. Pilih agen.
3. Pilih Entitas di menu sidebar kiri.

Jika Anda membuat agen menggunakan API, bukan konsol, lihat referensi EntityTypes. Nama kolom API mirip dengan nama kolom konsol. Petunjuk di bawah ini menyoroti perbedaan penting antara konsol dan API.

Ekspresi reguler gabungan

Setiap entity ekspresi reguler sesuai dengan satu pola, tetapi Anda dapat memberikan beberapa ekspresi reguler jika semuanya mewakili variasi dari satu pola. Selama pelatihan agen, semua ekspresi reguler dari satu entitas digabungkan dengan operator alternatif (|) untuk membentuk satu ekspresi reguler gabungan.

Misalnya, jika Anda memberikan ekspresi reguler berikut untuk nomor telepon:

• ^[2-9]\d{2}-\d{3}-\d{4}$
• ^(1?(-?\d{3})-?)?(\d{3})(-?\d{4})$

Ekspresi reguler gabungan menjadi:

• ^[2-9]\d{2}-\d{3}-\d{4}$|^(1?(-?\d{3})-?)?(\d{3})(-?\d{4})$

Urutan ekspresi reguler penting. Setiap ekspresi reguler dalam ekspresi reguler gabungan diproses secara berurutan. Penelusuran berhenti setelah kecocokan yang valid ditemukan. Misalnya, untuk ekspresi pengguna akhir "Seattle":

• Sea|Seattle cocok dengan "Sea"
• Seattle|Sea cocok dengan "Seattle"

Penanganan khusus untuk pengenalan ucapan

Catatan: Sebaiknya aktifkan adaptasi ucapan otomatis saat menggunakan entity ekspresi reguler. Lihat juga pedoman khusus ekspresi reguler adaptasi ucapan.

Jika agen Anda menggunakan pengenalan ucapan (juga dikenal sebagai input audio, speech-to-text, atau STT), ekspresi reguler Anda akan memerlukan penanganan khusus saat mencocokkan huruf dan angka. Ucapan pengguna akhir yang diucapkan diproses terlebih dahulu oleh speech recognizer sebelum entity dicocokkan. Jika ucapan berisi serangkaian huruf atau angka, pengenal dapat menambahkan spasi di antara setiap karakter. Selain itu, pengenal dapat menafsirkan angka dalam bentuk kata. Misalnya, ucapan pengguna akhir "ID saya adalah 123" dapat dikenali sebagai salah satu dari berikut ini:

• "ID saya adalah 123"
• "ID saya adalah 1 2 3"
• "My ID is one two three" (ID saya adalah satu dua tiga)

Untuk mengakomodasi angka tiga digit, Anda dapat menggunakan ekspresi reguler berikut:

\d{3}

\d \d \d

(zero|one|two|three|four|five|six|seven|eight|nine) (zero|one|two|three|four|five|six|seven|eight|nine) (zero|one|two|three|four|five|six|seven|eight|nine)

Membuat entity ekspresi reguler

Untuk membuat entity ekspresi reguler:

1. Buka entitas yang ada atau buat entitas baru.
2. Centang Regexp entity.
3. Masukkan satu atau beberapa ekspresi reguler dalam tabel entri.
4. Klik Simpan.

Jika Anda menggunakan API untuk membuat atau memperbarui entitas, gunakan KIND_REGEXP untuk kolom jenis entitas.

Batasan

Batasan berikut berlaku:

• Pencocokan fuzzy tidak dapat diaktifkan untuk entitas ekspresi reguler. Fitur ini tidak dapat digunakan bersamaan.
• Setiap agen dapat memiliki maksimal 50 entity ekspresi reguler.
• Ekspresi reguler gabungan untuk entitas memiliki panjang maksimum 2.000 karakter.