精确关键字匹配

预期结果？

  1. 当用户输入问题时（例如您是否支持 WhatsApp Chatbot 解决方案？），FAQ 模块将扫描整个数据源以查看关键字组中是否存在完全匹配。
Example of FAQ Chatbot Data source
  1. 与FAQ条目匹配后，聊天机器人将显示相应条目的答案。 （在这种情况下，文本响应。）
Example of FAQ Chatbot

FAQ 数据源格式

Example of FAQ Chatbot Data source

基本数据源格式应为.CSV文件格式，包括以下项目：

项目描述必需
Language"语言"是指本FAQ条目的语言。第1级
Category 1-3"类别"指的是类别1-3过滤问题上显示的选项。第5级
Category 1-3 Priority类别优先级指的是在类别1-3筛选问题上显示的选项的位置优先级（数值越低，位置越高）。Level 5
Question ID“问题 ID”是每个条目的唯一标识符。第1级
Question“问题”仅供您在此阶段参考。这是您希望用户提出的标准示例问题。例如，“产品 A 的价格是多少？”。

但是，如果您将常见问题分类并以列表（网络聊天）或一组过滤问题（WhatsApp）或永久菜单（Facebook）的形式显示，则将显示“问题”的内容供用户选择。		第2级
Analytics Category分析类别是指每个FAQ条目的独特分析标签。第4.2级
Analytics ID分析ID指的是每个FAQ条目的分析类别。第4.2级
Keyword Group关键字组由要与用户输入搜索/匹配的关键字组成。您可以输入关键字的多个变体/同义词。例如，如果您希望用户询问您产品的定价，那么将“定价”、“价格”或“成本”放入数据源中就很有意义。格式将为 [“定价”、“价格”、“成本”]。引号之间的词共享“或”关系。

您也可以为每个条目设置多个关键字。不同关键字组之间的关系是“AND”。这意味着用户的输入必须与条目的 所有关键字组 匹配，以便聊天机器人回复相应的答案。每个条目的关键字组越多，您就可以为系统提供更多上下文。 （但是，这也意味着这个条目更难触发。）

例如，如果用户询问产品A的价格，您可以将关键字组1设置为[“产品A”] & 关键字组 2 为 [“价格”]。您可以对产品 B、产品 C 做同样的事情……。产品 N。然后，每个聊天机器人的回答都将回复特定的产品。		第1级
Intent"意图"是指谷歌Dialogflow或微软LUIS上的NLP引擎的训练意图。第4.3级
Type"类型"是你的答案的信息响应类型。对于这个标准程序，类型。支持 "文本"、"图像"、"视频"、"GIF"、"文件"、"音频 "和 "重定向"。请确保你有正确的类型。第1级
Text"文本"是常见问题条目的聊天机器人文本答案。第1级
URL"URL"指的是 "图像"、"视频"、"GIF"、"文件 "和 "音频 "的多媒体链接。第1级
Preview"预览"指的是WhatsApp文本回复上的链接预览。设置 "TRUE"来显示预览。第1级
Caption"标题"是指WhatsApp图片的标题文字。在输入标题之前，请确保 "URL"填写的是图片链接。第1级
treeID"treeID"指的是Stella应该将用户重定向到的树。请确保消息类型选择 "Redirect"。第4.1级
compositeID"compositeID"是指Stella应该将用户重定向到的树节点的compositeID。你可以在树节点中找到这个信息。请确保消息类型选择 "Redirect"。第4.1级

你可以在这里下载.CSV格式的FAQ数据源样本。

动手实践

示例树结构

Tree Structure of FAQ Chatbot with Exact Keyword Match

创建一个新的数据源

  1. 前往“数据源”并选择“+新数据源”。
Add a New Data Source
  1. 命名您的新数据源。
Name the New Data Source
  1. 通过选择文件导入您的 .CSV 文件，切换“替换”和“解析 JSON”

记住要启动 "解析JSON"，以避免可能的错误。

Import the Data Source File
  1. 复制“Data Source ID”，稍后粘贴到代码中的“collectionName”上。
Save Data Source ID

为 FAQ 模块创建一个树节点

  1. 前往一棵树并为 FAQ 模块创建一个 树节点。

6.在这个树节点中创建一个pre-action（这是为了处理精确的关键字匹配逻辑），使用以下代码（记得将Data Source ID应用于collectionName 代码):

Create Pre-actions
return new Promise((resolve, reject) => {
  console.log("in Save FAQ temp ans")
  let text = this.messageEvent.data.text
  text = text.replace(/\r\n|\r|\n/g, "")
  text = text.replace(/(\/|\.|\*|\?|\+)/g, "")

  function genKeywordsRegex(keywords, text) {
    // return "/(" + keywords.join("|") + ")/i.test('" + text + "')"
    let regex = new RegExp("(" + keywords.join("|") + ")", "i")
    return regex.test(text)
  }

    this.fetchDataFromDataSource({
    collectionName: "enter the Data Source ID here",
    filter: {}
    }).then((result) => {
    console.log("length", result.length);
    const ans = result.filter((doc) => {
      if (this.lodash.isArray(doc["Keyword Group 1"]) && this.lodash.get(doc, "Keyword Group 1.length") && this.lodash.isArray(doc["Keyword Group 2"]) && this.lodash.get(doc, "Keyword Group 2.length") && this.lodash.isArray(doc["Keyword Group 3"]) && this.lodash.get(doc, "Keyword Group 3.length") ) {
        const regex1 = genKeywordsRegex(doc["Keyword Group 1"], text)
        const regex2 = genKeywordsRegex(doc["Keyword Group 2"], text)
        const regex3 = genKeywordsRegex(doc["Keyword Group 3"], text)
        console.log("current doc (3 keyword group)", doc["Question ID"])
        return regex1 && regex2 && regex3
      } else if (this.lodash.isArray(doc["Keyword Group 1"]) && this.lodash.get(doc, "Keyword Group 1.length") && this.lodash.isArray(doc["Keyword Group 2"]) && this.lodash.get(doc, "Keyword Group 2.length")) {
        const regex1 = genKeywordsRegex(doc["Keyword Group 1"], text)
        const regex2 = genKeywordsRegex(doc["Keyword Group 2"], text)
        console.log("current doc (2 keyword group)", doc["Question ID"])
        return regex1 && regex2
      } else if (this.lodash.isArray(doc["Keyword Group 1"]) && this.lodash.get(doc, "Keyword Group 1.length")) {
        const regex1 = genKeywordsRegex(doc["Keyword Group 1"], text)
        console.log("current doc (1 keyword group)", doc["Question ID"])
        return regex1
      } else {
        return false
      }
    })
    console.log("ans", ans)
    this.lodash.set(this.member, "botMeta.tempData.faqAns", [])
    this.lodash.set(this.member, "botMeta.tempData.faqAns", ans)
    // this.member.botMeta.tempData.faqAns = ans
    resolve({ member: this.member })
  })
})

7.在这个树节点的“Advanced”中创建一个transformed响应，用于显示基于匹配条目的聊天机器人答案，代码如下：

Transform Response
return new Promise((resolve, reject) => {
  console.log("in FAQ Keyword")
  let ans = this.member.botMeta.tempData.faqAns || []
  console.log("ans", ans)
  if (ans.length >= 1) {
    let response = {}
    switch (ans[0].Type) {
      case "Text":
        response.type = "TEXT"
        response.text = ans[0].Text
        if (ans[0].Preview === true || ans[0].Preview === "TRUE") {
          response.preview_url = true
        }
        break
      case "Image":
      case "Image_Text":
        response.type = "IMAGE"
        response.url = ans[0].URL
        response.text = ans[0].Text
        break
      case "Video":
      case "GIF":
      case "File":
        response.type = "FILE"
        response.url = ans[0].URL
        response.text = ans[0].Text
        response.filename = ans[0]["File Name"]
        break
      case "Audio":
        response.type = "AUDIO"
        response.url = ans[0].URL
        break
      default:
        response = null
        break;
    }
    resolve(response)
  } else {
    resolve({
      type: "TEXT",
      text: "Sorry, we don't have the answer for you at the moment. You  may try to ask us in another way or reach our support team at hello@sanuker.com."
    })
  }
})

为 FAQ 模块创建一个全局节点

8.创建一个全局节点，用于触发同一树中的FAQ模块。

  1. 在 global node 中创建一个 trigger，预定义触发器为“Any Text”。
Create Trigger
Create "Any Text" Trigger
  1. 切换重定向到您创建的常见问题树节点并保存此全局节点。

将树添加到通道中

  1. 树完成后，前往 "频道"。

  2. 找到你想部署树的频道，点击 "编辑"。

Channels

  1. 前往 "平台"，然后是 "树设置"。

  2. 选择 "+新树"，并从下拉菜单中挑选树，记得也要选择全局节点。之后，选择 "保存"，完成添加树到通道。

Add Trees

  1. 请记住，在建造完其他级别的常见问题树后，重复步骤11-14，把树添加到频道。

  2. 检查您是否可以产生预期结果。

← 概览下一个 →