Secara default, pencocokan entitas memerlukan kecocokan persis untuk salah satu entri entitas. Hal ini berfungsi dengan baik untuk nilai entri entity kata tunggal dan sinonim, tetapi dapat menimbulkan masalah untuk nilai dan sinonim multi-kata. Misalnya, pertimbangkan entity bola yang harus dicocokkan untuk bagian ekspresi pengguna akhir berikut:
- "bola"
- "bola merah"
- "bola merah"
- "small ball"
- "ball small"
- "bola merah kecil"
- "bola kecil merah"
- "bola kecil merah"
- "bola merah kecil"
- "bola kecil merah"
- "bola merah kecil"
Agar kecocokan terjadi, Anda biasanya perlu menentukan nilai entri entity dan sinonim untuk setiap permutasi ini. Namun, dengan pencocokan fuzzy yang diaktifkan, urutan kata dalam nilai atau sinonim tidak penting. Berikut ini akan memicu kecocokan untuk semua contoh di atas:
- "bola"
- "bola merah"
- "small ball"
- "bola merah kecil"
Tempat menemukan data ini
Saat membuat agen, hal yang paling umum adalah menggunakan konsol Dialogflow ES (kunjungi dokumentasi, buka konsol). Petunjuk di bawah berfokus pada penggunaan konsol. Untuk mengakses data entitas:
- Buka konsol Dialogflow ES.
- Pilih agen.
- Pilih Entities 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.
Membuat entity pencocokan fuzzy
Untuk membuat entitas pencocokan fuzzy:
- Buka entitas yang ada atau buat entitas baru.
- Centang Pencocokan fuzzy.
- Masukkan satu atau beberapa entri dalam tabel.
- Klik Simpan.
Jika Anda menggunakan API untuk membuat atau memperbarui entity,
tetapkan kolom enable_fuzzy_extraction ke true untuk EntityType.
Batasan
Batasan berikut berlaku:
- Pencocokan fuzzy tidak dapat diaktifkan untuk entitas ekspresi reguler. Fitur ini saling eksklusif.
- Pencocokan fuzzy tidak boleh diaktifkan untuk entity yang digunakan untuk mencocokkan nilai ketat seperti ID, nomor tanda pengenal nasional, dan sebagainya.
Kecocokan parsial
Saat Anda menentukan sinonim yang berisi beberapa kata, Dialogflow akan mencoba mencocokkan input pengguna akhir dengan sinonim yang paling cocok, yang mungkin mencakup kecocokan sebagian. Misalnya, jika Anda menentukan sinonim sebagai "cold brew coffee", dan input pengguna akhir adalah "cold coffee", entity terkait akan dicocokkan kecuali jika ada pencocokan yang lebih baik.
Koreksi ejaan
Jika input pengguna akhir dapat dianggap sebagai salah ejaan sinonim entitas, entitas terkait dapat dicocokkan. Misalnya, jika Anda menentukan sinonim sebagai "lumber", dan input pengguna akhir adalah "number", entitas terkait dapat dicocokkan.