Dialogflow가 있는 CSML 챗봇에서 NLP 사용

Dialogflow는 자연 언어 처리 시장에서 가장 좋고 가장 유행하는 도구 중의 하나이다.그러나 Dialogflow(대부분의 다른 NLP 라이브러리나 서비스)만으로 완전하고 풍부한 채팅 로봇 대화를 만드는 것은 매우 어려울 수 있다. 이것이 바로 우리가 CSML Studio와 Dialogflow 사이에 NLP 연결기를 만들어서 이 두 세계를 충분히 이용하는 이유이다!

단계 0.설치 프로그램

이 강좌에서 무료 Dialogflow 계정을 설정했다고 가정합니다.이 예에서, 우리는 간단한 사전 구축 에이전트'사용자 이름'을 사용할 것이다.
사전 구축 에이전트에서 사용자 이름을 검색하여 에이전트를 설치할 수 있습니다.
풍부한 채팅 로봇을 만들고 모든 통신 채널에 쉽게 배치할 수 있는 무료 CSML Studio account 가 필요하다.완료되면 빈 로봇을 만들면 방문this page하고'로봇 만들기'를 누르면 됩니다.CSML 또는 CSML Studio의 초보자라면 먼저 읽어보시기 바랍니다Getting Started!

1단계.Dialogflow 및 CSML Studio 연결

채팅 로봇을 Dialogflow 에이전트와 연결하려면 먼저 Dialogflow 서비스 계정 키를 가져와야 합니다.

Dialogflow 에이전트의 설정 패널 액세스

구글 프로젝트에서 프로젝트 ID 클릭

IAM & Admin에서 Service Account로 이동합니다.

서비스 계정이 없으면 하나를 만들고, 그렇지 않으면 5단계로 이동합니다.새 서비스 계정의 이름(예: Dialogflow CSML)을 지정한 다음 만들기 를 클릭합니다.그런 다음 Dialogflow API Admin 역할을 계속 수행합니다.마지막으로 서비스 계정을 만듭니다.

목록에서 서비스 계정을 찾은 다음 "키 만들기"를 누르십시오.JSON을 선택하고 Create 를 클릭합니다.파일이 컴퓨터로 다운로드됩니다.

현재 Dialogflow 에이전트의 서비스 계정 자격 증명을 검색하여 CSML 채팅 로봇에 추가할 수 있습니다.

CSML Studio

의 채팅 로봇 설정 액세스

NLP로 이동하여 NLP 공급업체로 Dialogflow 선택

이전에 다운로드한 파일 업로드

봐라!CSML 채팅 로봇은 현재 Dialogflow 에이전트를 사용하여 올바르게 설정되었습니다.다음은 전체 설정 프로세스의 비디오입니다.

단계 2.CSML 챗봇에서 Dialogflow NLP 사용

자연 언어 처리는 CSML 채팅 로봇에서 몇 가지 다른 방식으로 사용할 수 있다. 즉, 의도를 수평으로 흐름과 일치하게 하거나 수직으로 흐름 속에서 진행할 수 있다.의도와 흐름에 맞는 것부터 시작합시다.

트리거

CSML 흐름은 * 명령으로 트리거됨*명령을 찾으면 다른 행위보다 적절한 흐름이 시작됩니다.스트림을 시작하려는 경우 스트림 명령에 이름을 추가해야 합니다.이것은 흐름의 설정에서 완성할 수 있다.
스트림 명령 구성
이 예에서 우리는 GetUsername 라는 흐름을 만들고 명령을 name.user.get 로 설정합니다.만약 사용자가 "내 이름이 무엇입니까?"라고 말한다면,요청은 Dialogflow에 전송되어 분석됩니다. Dialogflow는 intentname.user.get와 일치하는 결과를 되돌려주고 CSML 엔진에서 flowGetUsername의 시작 절차를 터치하여 이전에 열린 대화를 닫습니다.

내부 흐름

전송된 사용자 이벤트와 일치하도록 흐름에서 Dialogflow를 사용할 수도 있습니다.예를 들어 이 장면에서 로봇은 사용자에게 자신의 사용자 이름을 좋아하는지 물어보고 그들에게 두 개의 단추를 표시한다.

이 단계에서 사용자는 그 중의 단추를 사용할 수 있지만, 그들은'나는 나의 이름을 매우 좋아한다'는 내용을 입력할 수 있으며, 우리는 그 중의 단추와 일치하기를 희망한다.이것은 매우 쉽다!이미 두 가지 의도name.user.feedback.good와 name.user.feedback.bad가 있다.의도 이름을 해당 버튼 accepts 매개변수에 간단히 추가하고 사용자 입력과 일치시킬 수 있습니다.

  say Question(
    "Do you like your name?",
    button_type="quick_reply",
    buttons=[
      Button("Yay!", accepts=["name.user.feedback.good"]) as btny,
      Button("Meh...", accepts=["name.user.feedback.bad"]) as btnn,
    ]
  )
  hold

  if (event.match(btny)) {
    say "I'm glad you like it!"
    goto end
  }
  else if (event.match(btnn)) {
    say "Oh, I'm sorry to hear that!"
    goto end
  }
  else {
    say "I'm sorry, I didn't get that."
    goto feedback
  }

흐름 내 일치 의도
현재 사용자의 말이 name.user.feedback.good로 해석되면 로봇은 사용자가 Yay! 버튼을 누르는 것처럼 반응한다.

실체

제가 보여드리고 싶은 마지막 팁은 CSML에서 에이전트의 * 실체*를 사용할 수 있다는 것입니다!
이 장면에서 사용자가 그들의 이름을 바꾸려고 하는 장면을 상상해 봅시다.그들은 지금 나를 존이라고 부른다고 말할 것이다.이 말은 Dialogflow의 name.user.save 의도와 일치하지만 given-name 실체도 "John" 로 설정됩니다.

우리 로봇에서 그것을 사용하자.이름 변경 요청 name.user.save 을 처리하기 위해 새 흐름을 만들고 NLP로 트리거하려고 합니다.
이벤트의 컨텐트를 say "{{event.get_content()}}" 로 인쇄하려고 하면 대량의 정보가 포함된 큰 객체가 표시됩니다.

{
  "payload": "name.user.change",
  "text": "I want to change my name to John",
  "_nlp_provider": {
    "provider": "dialogflow",
    "project_id": "user-name-hetw"
  },
  "_original_event": {
    "content_type": "text",
    "content": {
      "text": "I want to change my name to John"
    }
  },
  "_nlp_result": {
    "allRequiredParamsPresent": true,
    "queryText": "I want to change my name to John",
    "intent": {
      "inputContextNames": [],
      "name": "projects/user-name-hetw/agent/intents/5d1759cb-6eb1-4cec-bde2-d7391c9a932d",
      "trainingPhrases": [],
      "followupIntentInfo": [],
      "displayName": "name.user.change",
      "parentFollowupIntentName": "",
      "messages": [],
      "rootFollowupIntentName": "",
      "mlDisabled": false,
      "outputContexts": [],
      "defaultResponsePlatforms": [],
      "parameters": [],
      "events": [],
      "priority": 0,
      "action": "",
      "resetContexts": false,
      "webhookState": "WEBHOOK_STATE_UNSPECIFIED",
      "isFallback": false
    },
    "speechRecognitionConfidence": 0,
    "languageCode": "en",
    "fulfillmentMessages": [
      {
        "message": "text",
        "platform": "PLATFORM_UNSPECIFIED",
        "text": {
          "text": [
            ""
          ]
        }
      }
    ],
    "webhookPayload": null,
    "action": "name.user.change",
    "intentDetectionConfidence": 1,
    "fulfillmentText": "",
    "webhookSource": "",
    "parameters": {
      "fields": {
        "last-name": {
          "stringValue": "",
          "kind": "stringValue"
        },
        "nick-name": {
          "stringValue": "",
          "kind": "stringValue"
        },
        "given-name": {
          "stringValue": "John",
          "kind": "stringValue"
        },
        "type": {
          "kind": "stringValue",
          "stringValue": ""
        }
      }
    },
    "sentimentAnalysisResult": null,
    "outputContexts": [],
    "diagnosticInfo": null
  }
}

event._nlp_result 키는 모든 내용을 포함하고 있습니다. 예를 들어 returned by Dialogflow's API (이 링크를 누르면 이런 방식으로 검색할 수 있는 모든 데이터를 볼 수 있습니다.)실제로 이러한 방식으로 실체에 접근할 수 있습니다. 실제로 event._nlp_result.parameters.fields 은 이 목적에 사용할 수 있는 모든 가능한 실체를 포함하고 있습니다. 우리의 예시에서 볼 수 있듯이 given-name 실체는 "John" 로 설정되어 있습니다.
전송 의도에서 이름과 관련된 모든 엔티티를 추출하는 작은 함수를 만듭니다.

fn getNameEntity(event):
  do entities = event._nlp_result.parameters.fields
  if (entities) {
    if (entities["given-name"].stringValue) return entities["given-name"].stringValue
    if (entities["last-name"].stringValue) return entities["last-name"].stringValue
    if (entities["nick-name"].stringValue) return entities["nick-name"].stringValue
  }
  return Null

현재 사용자가 "내 이름을 John으로 설정하고 싶다"고 말하면, 우리는 그들이 설정하고자 하는 이름의 값을 직접 검사하고, 간단한 예/아니오를 통해 직접 설정을 확인할 수 있지만, 만약 그들이 우리에게 이름을 주지 않았다면, 우리는 먼저 그들의 이름을 물어봐야 한다.

start:
  // We know that the matched intent for this flow requires us to change the user's name,
  // but we need to check if the event triggering this flow has one of the `name` entities set
  remember newname = getNameEntity(event)

  // The user did not give us their new name, we need to specifically ask for it
  if (!newname) goto askForNameInput

  // Otherwise we can just ask for confirmation that we understood it right
  // and skip the "what's your new name" part
  goto confirmNewName

과연 다음은 이번 대화의 결과다.

결론

보시다시피 기존 Dialogflow 에이전트를 CSML Studio와 함께 사용하는 것은 매우 간단합니다.이렇게 통합된 설정은 1분도 걸리지 않아 이 두 플랫폼의 대화 구축 장점을 쉽게 얻을 수 있습니다. CSML을 사용하면 풍부한 대화를 쉽게 구축할 수 있습니다. 텍스트뿐만 아니라 이미지, 동영상, 회전목마도 사용할 수 있습니다.내장 응용 프로그램이나 프로그래밍 언어의 함수를 사용하여 모든 API나 서비스에 연결하고 Dialogflow의 강력한 NLU를 사용하여 채팅 로봇의 이해 기능을 향상시킵니다!
이 강좌에서 우리는 단지 Dialogflow와 CSML을 사용하여 실현할 수 있는 기능을 간단하게 소개하고 CSML Studio의 이 감동적인 기능을 간략하게 소개하였다.위에서 보여준 채팅 로봇의 전체 소스 코드is available on github.너도 import it on CSML Studio in just one click 빨리 입문할 수 있어!
다음 CSML 프로젝트에서 Dialogflow를 충분히 활용할 수 있을 것으로 믿습니다!