Coba Gemini 1.5 Pro, model multimodal kami yang paling canggih di Vertex AI, dan lihat apa yang dapat Anda bangun dengan jendela konteks token 1 juta. Coba Gemini 1.5 Pro, model multimodal kami yang paling canggih di Vertex AI, dan lihat apa yang dapat Anda bangun dengan jendela konteks token 1 juta.

Halaman ini diterjemahkan oleh Cloud Translation API.

Pencocokan intent

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

Algoritma pencocokan

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

Tabel berikut mencantumkan pro dan kontra algoritma ini:

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

Keyakinan deteksi intent

Saat menelusuri intent yang cocok, Dialogflow akan menilai potensi kecocokan dengan keyakinan deteksi intent, yang juga dikenal sebagai skor keyakinan. Nilai ini berkisar dari 0,0 (sepenuhnya tidak pasti) hingga 1,0 (sepenuhnya pasti). Tanpa mempertimbangkan faktor lain yang dijelaskan dalam dokumen ini, setelah intent diberi skor, ada tiga kemungkinan hasil:

Jika intent dengan skor tertinggi memiliki skor keyakinan lebih besar dari atau sama dengan setelan ML Classification Threshold, intent tersebut akan ditampilkan sebagai kecocokan.
Jika tidak ada intent yang memenuhi nilai minimum, 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 intent

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

Konektor jawaban

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

Jika intent yang ditentukan dan dokumen pengetahuan adalah potensi kecocokan, keyakinan kecocokan masing-masing dan preferensi hasil pengetahuan digunakan untuk menentukan kecocokan mana yang dipilih.

Konteks

Saat konteks aktif, Dialogflow cenderung mencocokkan intent yang dikonfigurasi dengan konteks input yang sesuai dengan konteks yang saat ini aktif.

Intent penggantian

Intent penggantian memiliki prioritas terendah untuk pencocokan intent.