Apa itu DialogFlow?
Dialogflow (formerly Api.ai, Speaktoit) is a Google-owned developer of human–computer interaction technologies based on natural language conversations. (Wikipedia.org)
DialogFlow adalah teknologi milik Google yang memungkinkan kita untuk berinteraksi dengan komputer menggunakan bahasa natural. Dengan menggunakan teknologi ini, para developer dapat membuat aplikasi yang memiliki kecerdasan buatan dan dapat berinteraksi dengan kita menggunakan bahasa natural. Penerapan teknologi ini biasanya dilakukan untuk layanan percakapan yang berulang, contohnya layanan di customer service. Selain itu penerapan lainnya adalah aplikasi ChatBot. Dalam industri saat ini, teknologi ini bisa digunakan mulai dari Customer Service hingga Online Sales Channel. Menarik, Bukan?!
Dalam Blog kali ini kita akan mencoba membuat ChatBot app, namun sebelum itu ada baiknya kita bahas bagian-bagian penting dari DialogFlow, sebagai berikut:
1. Agents
Proses dari Agents dari mulai percakapan sampai pemenuhan kebutuhan seperti seseorang yang menjawab pertanyaan. Bedanya dengan manusia, Agents disini harus diajari perihal apa saja yang sedang dibahas (Intents), kemungkinan pertanyaan yang akan diterima (Training Phrases), menangkap informasi penting dari pertanyaan (Entities), mengirimkan informasi yang dibutuhkan untuk mendapatkan jawaban (Fulfillment Requests) , dan memberikan jawaban ke pemberi pertanyaan (Response). Selain itu, informasi disimpan untuk meyambung percakapan atau mengirimkannya ke pembahasan yang berbeda (Context) .
2. Intents
Tema pembahasan dari percakapan yang diajukan oleh user.
Misalnya:
Agent ini memiliki 3 intents/tema pembahasan, dan memiliki 3 Training Phrases yang digunakan untuk menjawab pertanyaan dari user.
3. Training Phrases
Training Phrases adalah kata atau kalimat yang digunakan untuk pembelajaran agents.
Ada 2 macam yaitu example atau template.
Example menggunakan bahasa natural (diawali dengan tanda ").
Template menggunakan referensi langsung dari ke Entities (diawali dengan tanda @).
4. Entities
Data parameter yang kita akan identifikasi dari pertanyaan user.
Ada 3 jenis entities:
1. system (didefinisikan oleh DialogFlow)
entities yang sudah didefinisikan oleh DialogFlow. contohnya : @sys.color
2. developer (didefinisikan oleh Developer)
3. user (Dibuat untuk user tertentu)
Masing-masing dari entities tersebut diklasifikasikan dengan mapping (memiliki referensi value), enum (tidak memiliki referensi value), dan composite (entities lainnya dengan alias dan mengembalikan tipe object value)
System-Mapping
Entity yang memiliki referensi value.
contohnya: @sys.date.
Semua format tanggal yang match akan dibalikan ke ISO-8601 format
input : "January 1, 2015" atau "The first of January of 2015"
System-Enum
Entity yang tidak memiliki referensi value.
contohnya : @sys.color
semua warna yang berdekatan dengan merah, seperti marun dan pink akan diidentifikasi sebagai dirinya sendiri. kalau marun akan tetap diidentifikasikan marun, begitupun dengan pink.
System-Composite
entity ini dapat terdiri dari banyak entity lainnya.
contohnya : @sys.unit-currency
maksudnya menyamakan jumlah uang dengan indikasi nama mata uang/currencynya.
2000 rupiah. {"amount":2000,"currency":"IDR"}
Dev-Mapping
Entity ini akan memappingkan kata yang sama/sinonim.
contohnya: Jakarta sinonimnya Jakarte, Jekarda, dll.
untuk membuat entity ini kalian harus mengenable "Define Synonyms" dan memasukan kata/frase sinonim.
Dev-Enum
Entity ini memiliki beberapa kumpulan data. dan tidak ada mapping ke reference values.
contohnya:
Dev-Composite
Entity yang terdiri dari entity lain berupa alias. kita bisa menyebutnya dengan composite entry. misalnya pergerakan sebuah robot , biasanya memiliki lebih dari 1 karakteristik, 2 langkah maju. maka kita bisa membuat entity dengan cara sebagai berikut:
Dialogflow (formerly Api.ai, Speaktoit) is a Google-owned developer of human–computer interaction technologies based on natural language conversations. (Wikipedia.org)
DialogFlow adalah teknologi milik Google yang memungkinkan kita untuk berinteraksi dengan komputer menggunakan bahasa natural. Dengan menggunakan teknologi ini, para developer dapat membuat aplikasi yang memiliki kecerdasan buatan dan dapat berinteraksi dengan kita menggunakan bahasa natural. Penerapan teknologi ini biasanya dilakukan untuk layanan percakapan yang berulang, contohnya layanan di customer service. Selain itu penerapan lainnya adalah aplikasi ChatBot. Dalam industri saat ini, teknologi ini bisa digunakan mulai dari Customer Service hingga Online Sales Channel. Menarik, Bukan?!
Dalam Blog kali ini kita akan mencoba membuat ChatBot app, namun sebelum itu ada baiknya kita bahas bagian-bagian penting dari DialogFlow, sebagai berikut:
1. Agents
Proses dari Agents dari mulai percakapan sampai pemenuhan kebutuhan seperti seseorang yang menjawab pertanyaan. Bedanya dengan manusia, Agents disini harus diajari perihal apa saja yang sedang dibahas (Intents), kemungkinan pertanyaan yang akan diterima (Training Phrases), menangkap informasi penting dari pertanyaan (Entities), mengirimkan informasi yang dibutuhkan untuk mendapatkan jawaban (Fulfillment Requests) , dan memberikan jawaban ke pemberi pertanyaan (Response). Selain itu, informasi disimpan untuk meyambung percakapan atau mengirimkannya ke pembahasan yang berbeda (Context) .
2. Intents
Tema pembahasan dari percakapan yang diajukan oleh user.
Misalnya:
| Intent | Training Phrases |
|---|---|
| Dog | "dog", "pooch", "puppy" |
| Cat | "cat", "kitty", "kitten" |
| Mouse | "mouse" |
3. Training Phrases
Training Phrases adalah kata atau kalimat yang digunakan untuk pembelajaran agents.
Ada 2 macam yaitu example atau template.
Example menggunakan bahasa natural (diawali dengan tanda ").
Template menggunakan referensi langsung dari ke Entities (diawali dengan tanda @).
4. Entities
Data parameter yang kita akan identifikasi dari pertanyaan user.
Ada 3 jenis entities:
1. system (didefinisikan oleh DialogFlow)
entities yang sudah didefinisikan oleh DialogFlow. contohnya : @sys.color
2. developer (didefinisikan oleh Developer)
3. user (Dibuat untuk user tertentu)
Masing-masing dari entities tersebut diklasifikasikan dengan mapping (memiliki referensi value), enum (tidak memiliki referensi value), dan composite (entities lainnya dengan alias dan mengembalikan tipe object value)
System-Mapping
Entity yang memiliki referensi value.
contohnya: @sys.date.
Semua format tanggal yang match akan dibalikan ke ISO-8601 format
input : "January 1, 2015" atau "The first of January of 2015"
output : 2015-01-01T12:00:00-03:0.System-Enum
Entity yang tidak memiliki referensi value.
contohnya : @sys.color
semua warna yang berdekatan dengan merah, seperti marun dan pink akan diidentifikasi sebagai dirinya sendiri. kalau marun akan tetap diidentifikasikan marun, begitupun dengan pink.
System-Composite
entity ini dapat terdiri dari banyak entity lainnya.
contohnya : @sys.unit-currency
maksudnya menyamakan jumlah uang dengan indikasi nama mata uang/currencynya.
2000 rupiah. {"amount":2000,"currency":"IDR"}
Dev-Mapping
Entity ini akan memappingkan kata yang sama/sinonim.
contohnya: Jakarta sinonimnya Jakarte, Jekarda, dll.
untuk membuat entity ini kalian harus mengenable "Define Synonyms" dan memasukan kata/frase sinonim.
Dev-Enum
Entity ini memiliki beberapa kumpulan data. dan tidak ada mapping ke reference values.
contohnya:
Dev-CompositeEntity yang terdiri dari entity lain berupa alias. kita bisa menyebutnya dengan composite entry. misalnya pergerakan sebuah robot , biasanya memiliki lebih dari 1 karakteristik, 2 langkah maju. maka kita bisa membuat entity dengan cara sebagai berikut:
Pada blog ini saya cukupkan pendahuluannya di entity ya. untuk Part 2 Pengenalan DiagramFlow ditunggu ya.
Semoga blog ini membantu kalian.
Selamat belajar!
Komentar
Posting Komentar