인텐트 매칭

최종 사용자가 최종 사용자 표현이라고 하는 내용을 쓰거나 말하면 Dialogflow는 표현식을 각 인텐트의 학습 문구와 비교하여 가장 일치하는 것을 찾습니다. 인텐트 일치를 인텐트 분류라고도 합니다. 이 문서에서는 인텐트를 일치시키는 데 사용되는 요소를 설명합니다.

일치 알고리즘

Dialogflow는 인텐트를 일치시키기 위해 규칙 기반 문법 일치ML 일치라는 두 가지 알고리즘을 사용합니다. Dialogflow는 두 알고리즘을 동시에 시도하고 최적의 결과를 선택합니다.

다음 표에는 이러한 알고리즘의 장점과 단점이 나와 있습니다.

알고리즘 장점 단점
규칙 기반 문법 일치:
  • 학습 문구 예시 개수가 많고 적음에 관계없이 정확합니다.
  • 모델이 빠르게 업데이트됩니다.
ML 일치
  • 학습 문구 예시 개수가 많으면 정확합니다.
  • 일치 속도가 빠릅니다.
  • 학습 문구 예시 개수가 적으면 부정확합니다.
  • 모델이 느리게 업데이트됩니다.
  • 템플릿 모드의 학습 문구가 있는 에이전트의 경우 문법 일치보다 정확도가 떨어집니다.

인텐트 감지 신뢰도

일치하는 인텐트를 검색할 때 Dialogflow는 신뢰도 점수라고도 하는 인텐트 감지 신뢰도로 일치 가능성을 점수로 계산합니다. 이 값의 범위는 0.0(완전히 불확실함)부터 1.0(완전히 확실함)까지입니다. 이 문서에 설명된 다른 요소를 고려하지 않고 인텐트를 평가하면 다음 세 가지 결과가 발생할 수 있습니다.

  • 최고점 인텐트의 신뢰도 점수가 ML 분류 임곗값 설정보다 크거나 같으면 일치로 반환됩니다.
  • 임곗값을 충족하는 인텐트가 없으면 대체 인텐트가 일치합니다.
  • 인텐트가 임곗값을 충족하지 않고 대체 인텐트가 정의되지 않은 경우 일치하는 인텐트가 없습니다.

인텐트 우선순위

인텐트의 우선순위를 설정할 수 있습니다. 두 개 이상의 인텐트가 비슷한 신뢰도 점수로 동일한 최종 사용자 표현과 일치하는 경우 우선순위를 사용하여 가장 일치하는 것을 선택합니다. 그 밖의 경우에는 인텐트 일치의 신뢰도 점수가 우선순위보다 중요합니다.

지식 커넥터

지식 커넥터는 정의한 인텐트를 보완하며 최종 사용자 표현과 관련된 정보를 찾기 위해 FAQ와 같은 기술 문서를 파싱합니다.

정의한 인텐트와 기술 문서 모두에 잠재적 일치 항목이 있는 경우 각 일치 신뢰도와 기술 결과 환경설정을 사용하여 어떤 일치 항목을 선택할지 결정합니다.

컨텍스트

컨텍스트가 활성화되면 Dialogflow에서는 현재 활성 컨텍스트에 해당하는 입력 컨텍스트로 구성된 인텐트가 일치할 가능성이 더 높습니다.

대체 인텐트

대체 인텐트는 인텐트 일치에서 우선순위가 가장 낮습니다.