Beberapa entitas perlu mencocokkan pola, bukan istilah tertentu. Misalnya, nomor identitas nasional, tanda pengenal, plat kendaraan, dan sebagainya. Dengan entity ekspresi reguler, Anda dapat memberikan ekspresi reguler untuk pencocokan.
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.
Ekspresi reguler gabungan
Setiap entity regexp 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 penggantian (|
) 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 "Laut"Seattle|Sea
cocok dengan "Seattle"
Penanganan khusus untuk pengenalan ucapan
Jika agen Anda menggunakan pengenalan ucapan (dikenal juga sebagai input audio, speech-to-text, atau STT), ekspresi reguler Anda akan memerlukan penanganan khusus saat mencocokkan huruf dan angka. Ucapan lisan pengguna akhir pertama kali diproses oleh pengenal ucapan sebelum entity dicocokkan. Jika ucapan berisi serangkaian huruf atau angka, pengenal dapat mengisi setiap karakter dengan spasi. Selain itu, pengenal dapat menafsirkan angka dalam bentuk kata. Misalnya, ucapan pengguna akhir "ID saya adalah 123" dapat dikenali sebagai salah satu dari hal berikut:
- "ID saya adalah 123"
- "ID saya adalah 1 2 3"
- "My ID is one two three"
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:
- Buka entitas yang ada atau buat entitas baru.
- Centang Entity Regexp.
- Masukkan satu atau beberapa ekspresi reguler di tabel entri.
- Klik Simpan.
Jika Anda menggunakan API untuk membuat atau memperbarui entity,
gunakan KIND_REGEXP
untuk kolom jenis entity.
Batasan
Batasan berikut berlaku:
- Pencocokan fuzzy tidak dapat diaktifkan untuk entitas regexp. Fitur ini saling eksklusif.
- Setiap agen dapat memiliki maksimal 50 entity ekspresi reguler.
- Ekspresi reguler gabungan untuk entitas memiliki panjang maksimum 2.000 karakter.