Entitas ekspresi reguler

Beberapa entity harus cocok dengan pola, bukan istilah tertentu. Misalnya, nomor KTP, tanda pengenal, pelat nomor, dan sebagainya. Dengan entity regexp, Anda dapat memberikan ekspresi reguler untuk pencocokan.

Di mana data ini dapat ditemukan

Saat membangun agen, cara yang paling umum adalah menggunakan Konsol Dialogflow ES (buka dokumentasi, buka konsol). Petunjuk di bawah berfokus pada penggunaan konsol. Untuk mengakses data entity:

1. Buka Dialogflow ES Console.
2. Pilih agen.
3. Pilih Entity di menu sidebar kiri.

Jika Anda membangun agen menggunakan API, bukan konsol, lihat referensi EntityType. Nama kolom API mirip dengan nama kolom konsol. Petunjuk di bawah 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 merepresentasikan variasi dari satu pola. Selama pelatihan agen, semua ekspresi reguler dari satu entity 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 itu 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

Catatan: Sebaiknya aktifkan adaptasi ucapan otomatis saat menggunakan entity regexp. Lihat juga panduan 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 lisan pertama-tama diproses oleh pengenal ucapan sebelum entitas dicocokkan. Jika ucapan berisi serangkaian huruf atau angka, pengenal dapat memberikan spasi pada 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:

• "Tanda pengenal saya 123"
• "Kartu saya 1 2 3"
• "Kartu saya 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 regexp

Untuk membuat entity regexp:

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

Jika Anda menggunakan API untuk membuat atau mengupdate entity, gunakan KIND_REGEXP untuk kolom jenis entity.

Batasan

Batasan berikut berlaku:

• Pencocokan buram tidak dapat diaktifkan untuk entitas regexp. Fitur ini tidak dapat terjadi bersamaan.
• Setiap agen dapat memiliki maksimal 50 entitas regexp.
• Ekspresi reguler gabungan untuk entitas memiliki panjang maksimum 1.024 karakter.