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.

Pencocokan intent

Saat pengguna akhir menulis atau mengatakan 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 dan memilih hasil terbaik.

Tabel berikut mencantumkan pro dan kontra dari algoritma ini:

Algoritma	Kelebihan	Kekurangan
Pencocokan tata bahasa berbasis aturan	Akurat dengan sedikit atau banyak contoh frasa pelatihan. Model diperbarui dengan cepat.	Tidak mendukung opsi entitas perluasan otomatis.
Pencocokan ML	Akurat dengan banyak contoh frasa pelatihan. Pencocokan cepat.	Tidak akurat dengan sedikit contoh frasa pelatihan. Model diperbarui secara perlahan. Kurang akurat dibandingkan dengan pencocokan tata bahasa untuk agen dengan frasa pelatihan dalam mode template.

Keyakinan deteksi intent

Saat menelusuri intent yang cocok, Dialogflow akan memberikan skor potensi kecocokan dengan keyakinan deteksi intent, yang juga dikenal sebagai skor keyakinan. Nilai ini berkisar dari 0.0 (sama sekali tidak pasti) hingga 1.0 (benar-benar 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 yang lebih besar dari atau sama dengan setelan ML Classification Threshold, intent tersebut akan ditampilkan sebagai kecocokan.
Jika tidak ada intent yang memenuhi batas ini, intent penggantian akan dicocokkan.
Jika tidak ada intent yang memenuhi batas dan tidak ada intent penggantian yang ditentukan, tidak ada intent yang cocok.

Prioritas intent

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

Konektor pengetahuan

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

Jika intent yang ditentukan dan dokumen pengetahuan berpotensi cocok, tingkat keyakinan kecocokan keduanya dan preferensi hasil pengetahuan digunakan untuk menentukan kecocokan mana yang memiliki kecocokan yang dipilih.

Konteks

Meskipun konteks aktif, Dialogflow lebih cenderung cocok dengan intent yang dikonfigurasi dengan konteks input yang sesuai dengan konteks aktif saat ini.

Intent penggantian

Intent penggantian memiliki prioritas terendah untuk pencocokan intent.