Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

Pencocokan intent

Saat pengguna akhir menulis atau mengucapkan sesuatu, yang disebut sebagai ekspresi pengguna akhir, Dialogflow membandingkan ekspresi tersebut dengan frasa pelatihan untuk setiap intent guna menemukan kecocokan terbaik. Mencocokkan maksud juga dikenal sebagai klasifikasi maksud. Dokumen ini menjelaskan faktor-faktor yang digunakan untuk mencocokkan maksud.

Algoritma pencocokan

Dialogflow menggunakan dua algoritma untuk mencocokkan maksud: pencocokan tata bahasa berbasis aturan dan pencocokan ML. Dialogflow mencoba kedua algoritma secara bersamaan dan memilih hasil terbaik.

Tabel berikut mencantumkan pro dan kontra algoritma ini:

Algoritma	Kelebihan	Kekurangan
Pencocokan tata bahasa berbasis aturan	Akurat dengan sejumlah kecil atau besar contoh frasa pelatihan. Model diperbarui dengan cepat.	Tidak mendukung opsi entity perluasan otomatis.
Pencocokan ML	Akurat dengan sejumlah besar contoh frasa pelatihan. Pencocokan berlangsung cepat.	Tidak akurat dengan sejumlah kecil contoh frasa pelatihan. Model diperbarui secara perlahan. Kurang akurat dibandingkan pencocokan tata bahasa untuk agen dengan frasa pelatihan dalam mode template.

Keyakinan deteksi maksud

Saat menelusuri intent yang cocok, Dialogflow memberi skor pada kecocokan potensial dengan keyakinan deteksi intent, yang juga dikenal sebagai skor keyakinan. Nilai ini berkisar dari 0,0 (sama sekali tidak pasti) hingga 1,0 (sangat pasti). Tanpa mempertimbangkan faktor lain yang dijelaskan dalam dokumen ini, setelah maksud diberi skor, ada tiga kemungkinan hasil:

Jika maksud dengan skor tertinggi memiliki skor keyakinan yang lebih besar dari atau sama dengan setelan Nilai Minimum Klasifikasi ML, maksud tersebut akan ditampilkan sebagai kecocokan.
Jika tidak ada intent yang memenuhi ambang batas, intent penggantian akan dicocokkan.
Jika tidak ada intent yang memenuhi nilai minimum dan tidak ada intent penggantian yang ditentukan, tidak ada intent yang cocok.

Prioritas maksud

Anda dapat menetapkan prioritas untuk maksud. Jika dua atau lebih maksud cocok dengan ekspresi pengguna akhir yang sama dengan skor keyakinan yang serupa, prioritas digunakan untuk memilih kecocokan terbaik. Jika tidak, skor keyakinan untuk pencocokan maksud lebih penting daripada prioritas.

Konektor jawaban

Konektor jawaban melengkapi maksud yang ditentukan. Model ini mengurai dokumen pengetahuan (misalnya, Tanya Jawab) untuk menemukan informasi yang terkait dengan ekspresi pengguna akhir.

Jika maksud yang ditentukan dan dokumen pengetahuan berpotensi cocok, keyakinan kecocokan masing-masing dan preferensi hasil pengetahuan digunakan untuk menentukan kecocokan mana yang dipilih.

Konteks

Saat konteks aktif, Dialogflow lebih cenderung mencocokkan intent yang dikonfigurasi dengan konteks input yang sesuai dengan konteks yang sedang aktif.