Tindakan Percakapan tidak digunakan lagi pada 13 Juni 2023. Untuk mengetahui informasi selengkapnya, lihat Penghentian Action Percakapan.

Halaman ini diterjemahkan oleh Cloud Translation API.

Praktik terbaik natural language understanding

Halaman ini berisi beberapa praktik terbaik Natural Language Understanding (NLU) dan rekomendasi untuk membuat Action berkualitas tinggi.

Umum

Percakapan dan interaksi verbal dapat memiliki banyak bentuk, dan mendapatkan data pengguna awal dapat membantu Action Anda menjadi lebih berguna, efektif, dan menyenangkan.
Perhatikan error dan peringatan. Meskipun Action Anda berfungsi dengan baik, hal ini dapat menyebabkan masalah di masa mendatang dan Anda akan menghabiskan lebih banyak waktu untuk menyelidiki masalah tersebut.

Gunakan kembali intent di antara scene sebanyak mungkin. Jika Anda memiliki beberapa intent yang dapat dicocokkan, akan sulit bagi pengguna untuk mencocokkannya dengan intent yang mereka inginkan, dan bahkan lebih sulit bagi Asisten Google untuk memilih intent yang benar berdasarkan input pengguna.
Buat frasa pelatihan intent yang dimulai dengan permintaan atau alur interaksi paling umum untuk Action Anda.
Pikirkan tentang beberapa kasus ekstrem untuk frasa pelatihan Anda, seperti kueri terpendek dan terpanjang yang dapat diterima.
Jumlah frasa latihan yang Anda tambahkan ke intent bergantung pada kompleksitas dan keluasan dari apa yang diharapkan untuk ditangani intent. Artinya, paling sedikit 5 frasa dapat ditambahkan untuk pemahaman sederhana ("ya" atau "tidak"), tetapi ratusan frasa latihan dapat ditambahkan untuk model bahasa yang lebih rumit.
Untuk intent kompleks, dengan input pengguna dapat bervariasi, berikan frasa pelatihan sebanyak yang diperlukan untuk mencakup semua respons pengguna potensial.
Jika Anda perlu mengumpulkan data tertentu dari pengguna, gunakan fungsi pengisian slot.
Jangan buat intent yang hanya berisi parameter intent teks bebas. Jika Anda harus mencocokkan semua yang ada di input pengguna, gunakan pengisian slot atau intent sistem NO_MATCH.

Jika sinonim jenis Anda terdiri dari beberapa kata, seperti nama lagu atau item makanan, pertimbangkan untuk mengaktifkan pencocokan fuzzy. Pendekatan ini memungkinkan pengguna untuk menghilangkan kata-kata yang tidak penting atau mengubah urutan input yang diharapkan.
Jika memungkinkan, hindari penggunaan opsi Terima nilai yang tidak diketahui dengan memberikan sinonim tambahan.
Jika Anda menggunakan opsi Terima nilai yang tidak diketahui untuk jenis Anda, berikan berbagai frasa pelatihan untuk memastikan Asisten dapat mengidentifikasi informasi yang benar. Misalnya, jika Anda memiliki jenis message yang ditetapkan sebagai Terima nilai yang tidak diketahui, frasa pelatihan Anda mungkin terlihat seperti ini:
- Send $message
- Send $message to Tim
- Send mom $message
Jika Anda perlu mencocokkan ID atau input terstruktur lainnya, pertimbangkan untuk menggunakan ekspresi reguler.
Gunakan opsi Teks bentuk bebas seperlunya. Opsi ini mencocokkan input yang tidak kosong dan mempersulit pemroses bahasa untuk melatih dan mencocokkan data secara efektif. Anda harus menggunakannya sebagai opsi terakhir, ketika Anda tidak dapat memprediksi apa yang mungkin dikatakan pengguna.