iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 22
0
自我挑戰組

用Line聊天機器人串起多媒體系統系列 第 22

Day 22 : DialogFlow - 自然語言理解 NLP 強者介紹篇

  • 分享至 

  • xImage
  •  

  • 所謂的聊天機器人的使用情境,多半不是用來"聊天"而是有特定的目的,如果只是閒聊總會變得有些文不對題有些乾,通常使用者不會純聊天,而是有自己的想法而詢問、命令機器人幫忙處裡事情。而自然語言處裡 NLP 是個很大的項目,也是持續在克服的議題,近期 Google 的 GTP-3 相當強大卻也較難落實在我們聊天機器人裡,好在 Google 提供了 DialogFlow 服務,可以透過掌握/理解人類意圖而回饋/處理正確資訊,也讓實現多輪對話及串接服務相當容易,本篇先介紹其概 念以利實踐。

DialogFlow 介紹

  • DialogFlow 是 Google 所提供的自然語言理解平台,透過 DialogFlow 可以輕鬆設計對話介面到許多應答服務之中,也可以在各種設備、智慧音箱、手機等系統,給使用者自然的對話體驗(詳見官方介紹)。
  • 在官方 DialogFlow 基本介紹中(建議所有開發者皆閱讀), DialogFlow 有幾個關鍵概念需要說明:
    • "代理" (Agents) 做為您所訓練出來的聊天機器人,相當於您的客服人員。
    • "意圖" (Intents) 做為您每輪對話使用者想要傳達的主要內容,像是您可以設計詢問天氣的意圖、訂餐的意圖、問候的意圖等,讓代理來接受詢問執行。以意圖為單位去理解自然語言 (NLP) ,可以跳脫制式的條件式判斷,人類說話常常在傳達資訊時,人、事、時、地、物的順序不一或有資訊缺乏,而意圖較有辦法掌握表達內容。
      • 官方網站以圖示表達代理接受到詢問後,判別意圖及蒐集所需資訊(時間、地點)的過程。
      • 意圖的內容包含:
        • "訓練短語 (Training phrases) ",您所設想使用者表達其意圖時會說的話,譬如問候的意圖,使用者會表達:安安、你好、哈囉...等,並讓 DialogFlow 學習/訓練。
        • "行動 (Actions)",接受使用者問題, DialogFlow 判斷為何種意圖之後所採取的對應行動,您可以為各種動作命名。
        • "參數 (Parameters)",結構化的數據,每個參數都有其類型稱為實體類型 (entity type),譬如: 日期、地點個別為一種類型,分別可以設計為@sys.date@sys.location,當使用者說到日期、地點等關鍵字, DialogFlow 幫忙歸類存入。
        • "回應 (Responses)",代理回應使用者的文字、圖片或影音,您可以設計為當使用者講完此輪意圖後所提供的解答、處理回饋結果。
      • 官網亦將使用者多句話所組成的意圖,透過"訓練短語"判斷使用者意圖並採取"行動",將表達的內容儲存為結構畫的"參數",將最終處理結果"回應"給使用者。
    • "實體 (Entities)",既然使用者的表達可以作為"參數"結構化分門別類,DialogFlow 將此結構作為類似物件 (Object) 的歸納設計方式,除了有已經定義好的 @sys 實體,您也可以自行定義如:自行定義 "黃金烏龍"、"半糖"、"去冰"、"大奶微微"(?)等實體。
    • "上下文 (Contexts)",使用者表達意圖時,甚至兩三種意圖同時表達、思考跳躍,這就要靠 DialogFlow 能判別上下文以正確歸納參數及回應。
      • 官方的圖試圖說明如何引導應答完成一個銀行代理功能。
    • " 履行 (Fulfillment for integrations)",在 DialogFlow ,每個意圖都可以啟用 fulfillment,當啟用時 Dialogflow 會向您的 Webhook 服務發送請求,其中包含有關匹配的意圖的內容。讓您的系統可以執行任何所需操作,並對 Dialogflow 作出回應,提供有關如何進行後續操作的信息。
      • 官方圖示展示了fulfillment 的處理流程,左邊為使用者的輸入及取得回應,中間透過 DialogFlow 作為中介平台,透過fulfillment 以 Webhook 向您自己設計的後端服務提出請求/接收回應。

小結

接下來會以預設就有的"歡迎"意圖進行實作,並且串接您的 LINE 成為聊天機器人,建議請先另開一個新的 LINE Message API 的 Channel ,取得 Channel IDChannel SecretChannel Access Token 後進行實作,我們下篇見。


上一篇
Day 21 : 作者嗑了什麼都給我來一點 - LINE 聊天機器人翻譯實作
下一篇
Day 23 : DialogFlow X LINE Chat BOT - 實作篇
系列文
用Line聊天機器人串起多媒體系統30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言