const ghostSearchApiKey = '93722e96ae625aaeb360b7f295'

Второй урок «Основы» из курса обучения Dialogflow «Разборки чат-ботов»

Код машин 23 окт. 2020 г.

Добро пожаловать в раздел  «Разбор чат-ботов». Я Приянка Вергадия. И в этом выпуске мы разберем архитектуру чат-ботов Dialogflow, чтобы лучше понять строение сервиса.

В первом эпизоде ​​мы представили Dialogflow, который представляет собой комплексный инструмент с пониманием естественного языка для понимания сложных и естественных разговоров. Сегодня давайте посмотрим на архитектуру высокого уровня.

Dialogflow находится в середине стека. Пользователь может взаимодействовать с ним через все общие каналы, включая текст, веб-сайты, приложения, мессенджеры и умный устройства, как Google Home.

Dialogflow выполняет работу по переводу естественного языка в машиночитаемые данные с помощью машинного обучения модель обучена на ваших примерах.

Как только он определит, о чем говорит пользователь,
он может передать эти данные на ваш сервер где вы можете использовать это, чтобы что-то произошло.

В админке вы можете выполнить запрос путем интеграции с другими вашими сервисами, базами данных или даже
сторонние инструменты, такие как ваша CRM.

Теперь давайте углубимся на один слой глубже в Dialogflow.
Сначала мы создаем агента в Dialogflow. Агент — это, по сути, все ваше приложение чат-бота. Инструмент того, что говорит пользователь, сопоставление его с намерением, выполнение действий с ним, а затем предоставить пользователю ответ. И в вашем агенте все начинается с триггерного события называется звуком.

Вот как наши пользователи вызывают чат-бота. Итак, если я скажу: «Окей, Google, включи музыку», все предложение — высказывание.

А фраза «Эй, Google» — это спусковой крючок.
Возьмем другой пример. «Привет, Google, поговорите с Smart Scheduler». Фраза, поговорите с Smart Scheduler,
это фраза вызова нашего чат-бота.

И Smart Scheduler — это имя вызова. Как только бот активирован и получил высказывание пользователя, нам нужно понять намерения пользователя.

Intents | Намерения

Почему они хотят поговорить с нашим ботом?
Итак, когда вы говорите, «Я хочу назначить встречу», назначить встречу это намерение. Или, если вы спросите, «Каковы ваши часы работы», тогда часы работы — это намерение узнать время работы.

Для управления всем этим вы предоставляете Dialogflow с разными примерами намерений пользователей например, назначить встречу, узнать часы работы и другие. Затем Dialogflow обучает модель машинного обучения со многими другими похожими фразами и, наконец, карты фраза пользователя с правильным намерением. Этот процесс называется сопоставлением намерений.

Теперь, когда мы знаем намерения нашего пользователя
нам нужно знать, что делать, чтобы дать им ответ.

Сущности | Entities

Для этого вы настраиваете действия и параметры для определения переменных, которые вы хотите собирать и хранить. Давайте посмотрим на пример.
«Назначьте встречу на 5:00 завтра».
Когда пользователь говорит это, 5:00 утра и завтра
две важные части информации в этом заявлении
что нам действительно нужно записаться на прием.
Эти переменные определены как сущности.
Dialogflow предлагает различные типы сущностей.

И мы расскажем об этом подробно в следующем выпуске.
Когда у нас есть переменные, мы можем используйте их для предоставления статического ответа пользователю.
Или в большинстве случаев мы можем отправить переменную к нашей серверной части, примите меры,
а затем предоставить пользователю динамический ответ.
Мы рассмотрим это через секунду.
В ПОРЯДКЕ.

Контекст | Context

Подводя итог, намерение включает обучающие фразы, действия, параметры, и ответ. В зависимости от того, какие услуги предлагает ваш бот, обычно у вас может быть от нескольких до тысяч намерений. Они также могут быть на разных языках.

Пока вы смотрите на архитектуру,
стоит упомянуть контекст. Контекст — это метод, с помощью которого ваш чат-бот сохраняет и получает переменные, чтобы он мог обмениваться информацией с одним намерением к другому, в разговоре. У нас будет больше информации о контексте в следующем выпуске.

Исполнение | Fulfillment

Исполнение — последний кусок головоломки. Это код, который вы пишете для интерфейса с внутренними службами для ответа на динамический запрос. Скоро мы еще поиграем с этим. Но пока обратите внимание, что Dialogflow имеет встроенную интеграцию с Google Cloud Functions для взаимодействия с вашим сервером. И вы также можете предоставить другую конечную точку HTTPS, и Dialogflow просто подключится к нему.

Отлично. Итак, сегодня мы рассмотрели простую высокоуровневую архитектуру настройки агента в Dialogflow и узнали о:

  • намерения,
  • сущности,
  • контекст,
  • выполнение на высоком уровне

Далее мы займемся практической работой и построим простую встречу планировщик чат-бота. Если вам это кажется захватывающим, присоединяйтесь ко мне в следующем выпуске «Разборки чат-ботов».

Теги

Все представленные на сайте материалы предназначены исключительно для образовательных целей и не предназначены для медицинских консультаций, диагностики или лечения. Администрация сайта, редакторы и авторы статей не несут ответственности за любые последствия и убытки, которые могут возникнуть при использовании материалов сайта.