machine-learning - Dialogflow 中的意图限制可以增加吗?

标签 machine-learning artificial-intelligence dialogflow-es dialogflow-es-fulfillment api-ai

https://cloud.google.com/dialogflow/quotas 中所述,每个代理的意向限制为 2,000 .

所以我对此有多个问题:

  • 后续意图(分层)是否算作意图?如果我在后续意图的帮助下创建了很长的对话。假设每个对话都有大约 100 个后续意图,这是否意味着我只能在一个代理中进行 20 个对话。
  • 如果上述陈述属实,那么可以根据业务要求提高意图限制。
  • 还有其他替代方法可以解决这个问题吗?

最佳答案

  • 至于follow-up intent documentation ,据说“后续意图是其关联父意图的子项。”我认为通过这一点,我们可以确定后续意图仍然是一个意图,并且将被计为一个。
  • 根据他们的Quotas and Limits页面,您可以请求更高的配额。我不确定这是否会增加意向配额,但您或许可以向他们发送一封电子邮件以供保证。

To request a higher quota, click an edit button for a quota on the Quotas tab of the Google Cloud Platform Dashboard, and then click Apply for a higher quota in the quota edit form to submit a Dialogflow Quota Increase Request.

  • 您可以使用 slot filling,而不是使用@Nikhil Savaliya 所说的后续意图。 , contexts (上下文由后续意图使用)。您可能还应该设置 fulfillment它使用网络钩子(Hook)来满足用户的请求。

您可能会问,这些有什么帮助?

槽位填充
不要向用户询问具有不同意图的单独信息,而是通过槽填充仅使用一种意图询问他们所有信息。

例如,不要在一个意图上询问用户的姓名,然后在另一个后续意图上询问他/她的年龄,而是在一个意图上询问他们两个。

背景和实现
后续意图使用上下文,以便它知道对话在哪里。同样,您只能使用一个使用相同上下文的后续意图来提供正确的响应。您通过使用履行来交付此响应。

例如,你问用户“你是人类吗?”;在 Dialogflow 控制台中执行此操作的一种方法是添加两个后续意图,分别表示"is"和“否”答案。

执行此操作的另一种方法是通过使用fulfillment 的代码。确保您的履行网络 Hook 已准备就绪。

  1. 设置“你是人类吗?”意图的输出上下文
  2. 创建单个意图(或自定义后续意图)并将其输入上下文设置为问题的输出上下文。实现这一意图。
  3. 在您的代码中,区分用户回答"is"还是“否”,然后提供正确的响应。

请引用Dialogflow's documentation关于如何编码并正确执行此操作。

关于machine-learning - Dialogflow 中的意图限制可以增加吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59049731/

相关文章:

python - 使用边框从图像裁剪脸部

python - Keras:自适应最大池化

r - 使用 r 将 bool 列合并为 1

java - java中如何实现多线程广度优先搜索?

python - Spark 机器学习——更好的设计

python - spaCy v3 基于现有模型训练 NER 或将自定义训练的 NER 添加到现有模型

node.js - 如何修复 Brain.js 中的 NaN 训练错误?

dialogflow-es - 将我自己从 Dialogflow 上的共享代理中删除

javascript - 使用 Firestore 查询的信息响应 Dialogflow

json - 去dialogflow SDK WebhookResponse没有返回正确的json