從Dialogflow到NLU

在2018年看到國外Google home的熱銷，引起我對Google Assistant的興趣，進而開始研究Dialogflow。經由Dialogflow串接外部API(用php & node.js 來串接Bitcoin exchange Rate & 新北市即時停車位)，了解到意圖(intent–>想要做什麼)、實體(entity–>)到回應的動作(Action):如:

“我想在新北市的中和路停車"這句話可以分解出意圖及實體，其中"停車"是意圖，而"台北市仁愛路"是實體，那回應的動作則是從新北市即時停車的開放資料(open data) 找到資訊，然後回應的使用者的裝置上。

因為Dialogflow把意圖、實體及回應方式做了整體的處理，開發人員只要專注於Action的介面串接上即可；Dialogflow尚未被Google併購之前，api.ai提供了Api, 讓開發人員可以輕鬆串接到自己的應用程式內，但併購之後，我就沒有用他們的介面，但這也開啓我對中文自然語言理解能力NLU的研究。

意圖、實體及回應對於自然語言理解能力NLU（Natural Language Understanding）是相當重要的訊息，如果要電腦讀懂自然語言，當然要把意圖及實體擷取出來，而回應的部分，可以使用自有資料庫資料、開放資料或者是Google 查詢出來的資訊。

了解了NLU之後，你會發現中文自然語言理解能力，還需要做中文的斷詞(使用Jieba)及斷詞後字的向量(word2vec)做處理，對於大量中文訊息的來源，最佳選擇應該就是wiki；將wiki約將1.8G的資料轉換成可用的資料。

為了進一步了解NLU，當然，對於python在AI上的許多分析套件，就必須要有一些了解，尤其對中分文字的分類方法CNN neural network…等等；

經歷許久的測試，我即將把中文NLU轉換成可應用的程式呈現網路上…可能串接到臉書及LINE等等應用….，敬請期待…..