Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Saat pengguna akhir menulis atau mengucapkan sesuatu,
yang disebut sebagai ekspresi pengguna akhir,
Dialogflow akan membandingkan ekspresi tersebut dengan
frasa pelatihan
untuk setiap intent guna menemukan kecocokan terbaik.
Mencocokkan intent juga dikenal sebagai klasifikasi intent.
Dokumen ini menjelaskan faktor yang digunakan untuk mencocokkan intent.
Algoritma pencocokan
Dialogflow menggunakan dua algoritma untuk mencocokkan intent:
pencocokan tata bahasa berbasis aturan dan pencocokan ML.
Dialogflow secara bersamaan mencoba kedua algoritma tersebut
dan memilih hasil terbaik.
Tabel berikut mencantumkan pro dan kontra algoritma ini:
Algoritme
Kelebihan
Kekurangan
Pencocokan tata bahasa berbasis aturan
Akurat dengan contoh frasa pelatihan dalam jumlah kecil atau besar.
Kurang akurat daripada pencocokan tata bahasa untuk agen dengan frasa pelatihan dalam mode template.
Keyakinan deteksi intent
Saat menelusuri intent yang cocok, Dialogflow akan memberikan skor potensi kecocokan dengan keyakinan deteksi intent, yang juga dikenal sebagai skor keyakinan.
Nilai ini berkisar dari 0,0 (sepenuhnya tidak pasti) hingga 1,0 (sepenuhnya pasti).
Tanpa mempertimbangkan faktor lain yang dijelaskan dalam dokumen ini,
setelah intent diberi skor,
ada tiga kemungkinan hasil:
Jika intent dengan skor tertinggi
memiliki skor keyakinan lebih besar dari atau sama dengan
setelan
ML Classification Threshold, intent tersebut akan ditampilkan sebagai kecocokan.
Jika tidak ada intent yang memenuhi nilai minimum, intent penggantian
akan dicocokkan.
Jika tidak ada intent yang memenuhi nilai minimum dan tidak ada intent penggantian yang ditentukan,
tidak ada intent yang cocok.
Prioritas intent
Anda dapat menetapkan
prioritas
untuk intent.
Jika dua atau beberapa intent cocok dengan ekspresi pengguna akhir yang sama
dengan skor keyakinan yang serupa,
prioritas akan digunakan untuk memilih kecocokan terbaik.
Jika tidak, skor keyakinan untuk pencocokan intent
lebih penting daripada prioritas.
Konektor jawaban
Konektor jawaban
melengkapi intent yang ditentukan.
Model ini mengurai dokumen pengetahuan (misalnya, FAQ)
untuk menemukan informasi yang terkait dengan ekspresi pengguna akhir.
Jika intent yang ditentukan dan dokumen pengetahuan adalah potensi kecocokan,
keyakinan kecocokan masing-masing dan
preferensi hasil pengetahuan
digunakan untuk menentukan kecocokan mana yang dipilih.
Konteks
Saat
konteks
aktif, Dialogflow cenderung mencocokkan intent yang dikonfigurasi dengan
konteks input
yang sesuai dengan konteks yang saat ini aktif.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-09-03 UTC."],[[["\u003cp\u003eDialogflow uses both rule-based grammar matching and ML matching algorithms to compare end-user expressions with intent training phrases, selecting the best result from both.\u003c/p\u003e\n"],["\u003cp\u003eIntent detection confidence scores, ranging from 0.0 to 1.0, determine if an intent is matched, with higher scores indicating greater certainty and if none are met, a fallback intent or no intent at all will be returned.\u003c/p\u003e\n"],["\u003cp\u003eIntent priority is used to choose the best match when multiple intents have similar confidence scores, but otherwise, the confidence score is the primary factor in intent matching.\u003c/p\u003e\n"],["\u003cp\u003eKnowledge connectors, which parse knowledge documents, can be matched alongside intents, and the match confidence along with knowledge result preferences will be used to determine which match will be returned.\u003c/p\u003e\n"],["\u003cp\u003eContexts increase the likelihood of matching intents with input contexts that correspond to currently active contexts, while fallback intents have the lowest priority for intent matching.\u003c/p\u003e\n"]]],[],null,["# Intent matching\n\nWhen an end-user writes or says something,\nreferred to as an *end-user expression* ,\nDialogflow compares the expression to the\n[training phrases](/dialogflow/docs/intents-training-phrases)\nfor each intent to find the best match.\nMatching an intent is also known as *intent classification*.\nThis document describes the factors used to match an intent.\n\nMatching algorithms\n-------------------\n\nDialogflow uses two algorithms to match intents:\n*rule-based grammar matching* and *ML matching*.\nDialogflow simultaneously attempts both algorithms\nand chooses the best result.\n| **Note:** ML matching can be [disabled for an intent](/dialogflow/docs/intents-settings#disable-ml), but this is rarely a good option.\n\nThe following table lists the pros and cons of these algorithms:\n\nIntent detection confidence\n---------------------------\n\nWhen searching for a matching intent,\nDialogflow scores potential matches with an *intent detection confidence* ,\nalso known as the *confidence score*.\nThese values range from 0.0 (completely uncertain) to 1.0 (completely certain).\nWithout taking the other factors described in this document into account,\nonce intents are scored,\nthere are three possible outcomes:\n\n- If the highest scoring intent has a confidence score greater than or equal to the [ML Classification Threshold](/dialogflow/docs/agents-settings#ml) setting, it is returned as a match.\n- If no intents meet the threshold, a [fallback intent](/dialogflow/docs/intents-default#fallback) is matched.\n- If no intents meet the threshold and no fallback intent is defined, no intent is matched.\n\nIntent priority\n---------------\n\nYou can set\n[priorities](/dialogflow/docs/intents-settings#priority)\nfor intents.\nWhen two or more intents match the same end-user expression\nwith similar confidence scores,\npriority is used to select the best match.\nOtherwise, the confidence score for intent matching\nis more important than priority.\n\nKnowledge connectors\n--------------------\n\n[Knowledge connectors](/dialogflow/docs/knowledge-connectors)\ncomplement defined intents.\nThey parse *knowledge documents* (for example, FAQs)\nto find information related to end-user expressions.\n\nIf a defined intent and a knowledge document are both potential matches,\nthe match confidence of each and the\n[knowledge results preference](/dialogflow/docs/knowledge-connectors#settings)\nare used to determine which match is the selected match.\n\nContext\n-------\n\nWhile\n[contexts](/dialogflow/docs/contexts-overview)\nare active, Dialogflow is more likely to match intents that are configured with\n[input contexts](/dialogflow/docs/contexts-input-output#input_contexts)\nthat correspond to the currently active contexts.\n\nFallback intents\n----------------\n\n[Fallback intents](/dialogflow/docs/intents-default#fallback)\nhave the lowest priority for intent matching."]]
