대화 모델은 사용자가 작업에 말할 수 있는 내용과 작업은 사용자에게 응답합니다. 대화 모델의 기본 구성 요소 인텐트, 유형, 장면, 프롬프트로 변환할 수 있습니다. 작업 중 하나가 호출되면 Google 어시스턴트가 사용자를 해당 액션으로 넘기고, 작업은 대화 모델을 기반으로 하며, 다음으로 구성됩니다.
유효한 사용자 요청 - 사용자가 작업에 어떤 말을 할 수 있는지 정의하려면 어시스턴트 NLU를 보강하는 인텐트 컬렉션을 생성하여 내 작업과 관련된 요청을 이해할 수 있습니다. 각 인텐트는 학습 문구를 정의합니다. 이 어시스턴트 NLU는 유사한 문구를 포함하도록 이러한 학습 문구를 확장합니다. 이러한 구문이 집계되어 인텐트의 언어 모델이 생성됩니다.
작업 로직 및 응답: 장면은 인텐트를 처리하고, 필요한 로직을 실행하고, 사용자에게 반환할 메시지를 생성합니다.
유효한 사용자 요청 정의
사용자가 작업에 할 수 있는 말을 정의하려면 인텐트의 조합을 사용합니다. 지정할 수 있습니다. 사용자 인텐트와 유형을 사용하면 자체 언어 모델을 만들 수 있습니다. 시스템 인텐트 및 유형을 통해 내장 이벤트 감지, 언어 모델 및 이벤트 감지 등 어시스턴트가 입력을 전혀 감지하지 않습니다.
사용자 인텐트 만들기
사용자 인텐트를 사용하면 사용자가 무엇을 할지 정의하는 자체 학습 문구를 정의할 수 있음 명령할 수도 있습니다. 어시스턴트 NLU는 이러한 문구를 사용하여 자체적으로 학습합니다. 사용자의 의견을 이해할 수 있습니다 사용자가 단어와 일치하는 사용자 인텐트의 언어 모델에 따라 어시스턴트는 인텐트를 매칭하고 로직을 실행하여 사용자에게 다시 응답할 수 있습니다.
시스템 인텐트 만들기
시스템 인텐트를 사용하면 사전 정의된 언어로 인텐트를 활용할 수 있습니다. 사용자가 작업을 그만두려고 할 때 또는 사용자가 입력 시간이 초과될 수 있습니다. 시스템 인텐트를 만들려면 다음 안내를 따르세요.
맞춤 유형 만들기
커스텀 유형을 사용하면 유형 사양을 직접 만들어 NLU를 단일 키에 매핑되어야 하는 값 집합을 이해할 수 있습니다.
</ph>커스텀 유형을 만들려면 다음 안내를 따르세요.
작업 로직 및 응답 빌드
어시스턴트 NLU는 사용자 요청을 인텐트와 일치시키므로 작업이 장면에서 처리합니다. 장면은 강력한 로직 실행자를 통해 대화 중에 이벤트를 처리합니다
</ph>장면 만들기
다음 섹션에서는 장면을 만들고 기능을 정의하는 방법을 설명합니다. 각 장면의 수명 주기 단계에 적용될 수 있습니다
장면을 만들려면 다음 단계를 따르세요.
일회성 설정 정의
장면이 처음 활성화되면 다음 위치에서 일회성 작업을 수행할 수 있습니다. 진입 시 단계 진입 단계는 한 번만 실행되며 스테이지의 실행 루프 내에서 실행되지 않는 경우
조건 확인
조건을 사용하면 슬롯 채우기, 세션 스토리지, 사용자 스토리지, 장면 실행 흐름을 제어하는 홈 스토리지 매개변수입니다.
</ph>슬롯 채우기 정의
슬롯을 사용하면 사용자 입력에서 유형이 지정된 매개변수를 추출할 수 있습니다.
슬롯 값 매핑
대부분의 경우 이전 인텐트 일치에는 부분적으로 또는 완전히 일치하는 매개변수가 포함될 수 있습니다. 해당 장면의 슬롯 값을 완전히 채웁니다. 이러한 경우 모든 슬롯은 인텐트 매개변수로 채워지는 것은 장면의 슬롯 채우기에 매핑됩니다. 인텐트 매개변수 이름과 일치합니다.
예를 들어 사용자가 인텐트와 일치하여 음료를 주문하는 경우 커다란 바닐라 커피 주문", 사이즈, 맛, 음료를 위한 기존 슬롯 장면이 동일한 장면을 정의하는 경우 해당 장면에서 채워진 것으로 간주됩니다. 있습니다.
입력 처리
이 단계에서는 어시스턴트 NLU가 사용자 입력을 인텐트에 일치시키도록 할 수 있습니다. 원하는 인텐트를 추가하여 인텐트 일치의 범위를 특정 장면으로 지정할 수 있습니다. 장면에 담을 수 있습니다. 이렇게 하면 어시스턴트에게 요청하여 대화 흐름을 제어할 수 있습니다 특정 장면이 활성화될 때 특정 인텐트를 일치시킬 수 있습니다.
</ph>