Messenger 平台自然語言處理

自然語言處理 (NLP) 讓您能夠從自家企業所收到的訊息中，解讀並擷取有意義的資訊（日期、時間等）。之後，您便可使用這些資訊來確定意圖，以實現對話所需的訊息傳遞體驗。

使用 Meta 的內置 NLP 可減少計入訊息功能傳輸率限制次數的 API 呼叫。

運作方式

把訊息傳送至您的企業前，Meta 的內置 NLP 首先會剖析訊息以幫助偵測含義，並使用來自 Meta 的 Wit.ai 及指示剖析程式正確概率的信賴指數來擷取資訊。隨後，系統會照常把訊息連同在訊息中偵測到的任何有意義資訊、實體和特質，一併轉發給您的企業。例如，如果一則訊息包含「hello, tomorrow at 2pm」之類的短句，您會收到包含問候語的特質，以及包含實際時戳的實體。

內置 NLP 會自動啟用語言識別功能，而且日期和時間會根據用戶個人檔案中的地區設定自動本地化。

Wit.ai

Wit.ai 是剖析用戶訊息並從中建立實體的應用程式。您可以將預設 Wit.ai 用於支援的語言，或者為您想要支援的每種語言自行建立 Wit.ai 應用程式。Messenger 平台收到訊息後，會首先找出偵測到的最主要語言，然後使用關聯的 Wit.ai 應用程式來擷取實體。如果沒有與所偵測最主要語言關聯的 Wit.ai 應用程式，則系統會使用預設語言模式。

請參閱 Wit.ai 文件，進一步了解 Wit.ai 應用程式及如何建立和測試您建立的自訂 Wit.ai 應用程式 ，以及受支援語言清單 。

在您的專頁新增 NLP

我們提供 2 種方式讓您在商家專頁新增 NLP：使用 Meta 應用程式管理中心或採用編程方式。

應用程式管理中心

如要使用應用程式管理中心 來新增內置 NLP，請在產品下方前往 Messenger > 設定，然後向下捲動至內置 NLP 部分。從下拉式選單中選取 Facebook 專頁，並把開關切換至開啟。然後，選取語言模型，其中包含新增多種語言的選項。進階設定讓您能夠選擇 NLP 版本及詳細標記，以獲取有關實體的更多資訊，以及您想要接收的每個意圖和特質的 n-best 值。此設定還會確定系統傳回的已偵測本地語言數量。

根據您專頁收件匣中過往對話而建立的隨機範例會經過彙整，並顯示在新建的 Wit 應用程式中。這些範例可立即在 Wit.ai 應用程式中用於標註。

編程方式

如要透過編程方式新增 NLP，您需要具備下列項目：

• 專頁存取憑證，由可以在專頁上執行 MESSAGING 任務的用戶所要求
• 專頁編號
• pages_messaging 和 pages_manage_metadata 權限

傳送 POST 要求至 /PAGE-ID/nlp_configs 端點，並將 nlp_enabled 參數設定為 true，從而為專頁啟用 NLP。您還可以加入 model 參數，以設定除預設語言（英文）以外的語言。

請參閱專頁 NLP 參考資料 ，了解更多資訊。

要求範例

curl -i -X POST "https://graph.facebook.com/LATEST-GRAPH-API-VERSION/me/nlp_configs
      ?nlp_enabled=true
      &model=PORTUGUESE 
      &access_token=PAGE-ACCESS-TOKEN"

您可運用 custom_token 參數，以使用自訂 Wit.ai 應用程式，並透過 POST 要求更新 NLP 參數。如要停用 NLP，請傳送 POST 要求，並將 nlp_enabled 參數設定為 false。

Webhook 通知

如果已啟用內置 NLP，則相關的 NLP 實體和特質將包含在每項訊息物件的 message Webhooks 通知中。

實體和特質

根據預設，Messenger 平台會傳回下列實體。

內置特質

根據預設，Messenger 平台會傳回下列特質。

請參閱我們的 Wit.ia 文件 ，進一步了解可用實體和特質等資訊。

通知範例

在以下範例中，訊息包含短句「see you tomorrow at 4pm」，並會在系統執行剖析後加入 wit$datetime 和 wit$sentiment 實體：

{...,
  "entities": {
    "wit$datetime:datetime": [
      {
        "id": "340464963587159",
        "name": "wit$datetime",
        "role": "datetime",
        "start": 8,
        "end": 23,
        "body": "tomorrow at 4pm",
        "confidence": 0.9704,
        "entities": [],
        "type": "value",
        "grain": "hour",
        "value": "2020-06-16T16:00:00.000-07:00",
        "values": [
          {
            "type": "value",
            "grain": "hour",
            "value": "2020-06-16T16:00:00.000-07:00"
          }
        ]
      }
    ]
  },
  "traits": {
    "wit$sentiment": [
      {
        "id": "5ac2b50a-44e4-466e-9d49-bad6bd40092c",
        "value": "neutral",
        "confidence": 0.6162
      }
    ]
  }

剖析 NLP 訊息

在您的 messages Webhooks 中，您可善用預設 NLP 來回覆訊息。舉例來說，如果您擁有的 handleMessage() 函式會回覆收到的每一則訊息，您便可使用 greetings 實體來傳送適當回應：

function firstTrait(nlp, name) {
  return nlp && nlp.entities && nlp.traits[name] && nlp.traits[name][0];
}

function handleMessage(message) {
  // check greeting is here and is confident
  const greeting = firstTrait(message.nlp, 'wit$greetings');
  if (greeting && greeting.confidence > 0.8) {
    sendResponse('Hi there!');
  } else { 
    // default logic
  }
}