5 thuật ngữ cơ bản bạn cần hiểu rõ để làm chủ Dialogflow

#1. Agent

Agent (Tạm dịch: Đại diện) là một khái niệm khá phổ biến và cơ bản trong Dialogflow. Nó dùng để chỉ một module NLU (Natural Language Understanding – Phân tích để hiểu ngôn ngữ tự nhiên) có nhiệm vụ xử lý các cuộc trò chuyện với người dùng.

Hiểu một cách đơn giản, agent sẽ lắng nghe, phân tích và hiểu những thông tin, sắc thái mà người dùng nhập vào (bằng text hoặc voice) để chuyển thành những dữ liệu có thể xử lý được với ngôn ngữ lập trình.

Với mỗi một hệ thống chatbot, bạn cần thiết kế và xây dựng một agent riêng trong Dialogflow để xử lý các cuộc trò chuyện tương ứng.

Trong Dialogflow cũng có những agent được dựng sẵn, được thiết kế để đáp ứng hầu hết những trường hợp phổ biến. Ví dụ như agent cho tin tức, agent cho thời tiết, agent cho dịch thuật… giúp bạn tiết kiệm thời gian huấn luyện agent.

Một agent sẽ bao gồm các Intent (Ý định), Entity (Thực thể), Fulfillment (Đáp ứng) và có khả năng tích hợp vào các nền tảng khác. Chúng ta sẽ tiếp tục tìm hiểu các thuật ngữ này ở nội dung bên dưới nhé.

#2. Intent

Trong Dialogflow, Intent dùng để chỉ ý định/mục đích của người dùng. Nhà thiết kế AI cần huấn luyện chatbot để hiểu các ý định khác nhau của người dùng, từ đó biết được họ muốn gì từ cuộc trò chuyện này.

Ví dụ:

• Khi người dùng hỏi “Ngày mai Hà Nội có mưa không?” → bạn cần tạo agent dự báo thời tiết, có thể đặt tên intent là “thời tiết ở Hà Nội”.
• Khi người dùng hỏi “Nơi bán pizza ở Nha Trang?” → bạn cần tạo agent tìm địa điểm, có thể đặt tên intent là “tìm nơi bán pizza”.

Một ví dụ khác, người dùng có thể đặt hai câu hỏi như sau:

1. “Ngày mai Nha Trang có mưa không?”
2. “Trong 7 ngày tới ngày nào Nha Trang nắng?”

Với cả hai câu hỏi này, người dùng đều đang mong muốn chatbot trả lời thông tin dự báo về thời tiết. Do đó khi lập trình chatbot thì bạn chỉ cần tạo 1 intent cho cả hai câu này.

#3. Entity

Entity (thực thể) là khái niệm khá phổ biến trong Dialogflow, dùng để chỉ những giá trị của tham số từ người dùng nhập vào.

Trong mỗi tin nhắn người dùng gửi đến bot đều có một số thông tin có giá trị như Vị trí, Thời gian, Món ăn cần đặt… Các thông tin có giá trị này được gọi là Entity. Sau khi người dùng nhập câu hỏi, agent sẽ phân tích và xem thử trong câu hỏi đó có bao nhiêu entity và chuyển đổi tương ứng.

Ví dụ:

• Trong câu hỏi “Ngày mai Hà Nội có mưa không?” → có 2 entity tương ứng: “Ngày mai” là thời gian, Hà Nội là vị trí.
• Trong câu hỏi “Nơi bán pizza ở Nha Trang?” → có 2 entity tương ứng: “Pizza” là món ăn, “Nha Trang” là vị trí.
• Trong câu hỏi "Tôi muốn xem một bộ phim hài tối nay"→ có 3 entity tương ứng: Nội dung: "Phim", Loại: "Hài", Thời gian: "Tối nay".

Do đó, bạn cần xác định entity cần thiết là gì, chưa có thì phải tạo và đặt tên cho entity.

#4. Fulfillment

Trong Dialogflow, fulfillment (Đáp ứng) là một tính năng quan trọng giúp xử lý các yêu cầu từ người dùng. Nó sẽ thực hiện các hành động như truy vấn cơ sở dữ liệu, gọi API, hoặc cập nhật thông tin bên ngoài nền tảng Dialogflow để lấy thông tin.

Giả sử bạn đang tạo 1 chatbot trong ứng dụng ngân hàng của mình, và người dùng muốn kiểm tra số dư tài khoản của mình. Người dùng sẽ nhập câu hỏi như: "Số dư tài khoản
của tôi là bao nhiêu?"

Trong trường hợp này, chatbot không thể chỉ trả lời câu hỏi này mà không có thông tin chính xác về tài khoản của người dùng.

Do đó, bot sẽ thực hiện fulfillment, gọi đến một hệ thống ngân hàng bên ngoài (ví dụ: API của ngân hàng) để truy vấn số dư tài khoản của bạn.

#5. Training phrases

Training Phrases (Tạm dịch: Cụm từ huấn luyện) là những câu ví dụ mà người dùng có thể nói để thể hiện ý định của họ trong Dialogflow. Mỗi intent của agent sẽ được huấn luyện dựa trên những cụm từ này để hệ thống có thể hiểu được người dùng muốn làm gì.

Ví dụ: Các training phrases trong Dialogflow có thể là:
"Này Google, đặt cho tôi một chiếc bánh pizza"
"Này Google, tôi muốn đặt một chiếc bánh pizza"
"Tôi muốn có một chiếc bánh pizza"
Dù có câu cú khác nhau, tất cả các câu trên đều thể hiện cùng một ý định là: đặt bánh pizza.

Khi bạn tạo một intent trong Dialogflow, bạn cần phải cung cấp các training phrase để giúp hệ thống nhận diện intent đó chính xác hơn mỗi khi người dùng nhập/nói những câu tương tự.

Càng nhiều training phrases thì hệ thống sẽ càng học được cách nhận diện các mẫu câu khác nhau và dự đoán ý định chính xác hơn. Song, các bạn cần chú ý là “chất lượng hơn số lượng” đấy nhé. Bởi nếu quá nhiều câu giống nhau hoặc câu bị trùng, hệ thống sẽ không học được sự đa dạng trong cách người dùng giao tiếp, từ đó hiệu quả cũng giảm sút.

[EmbedSoftware ids="54"]