Messenger 開放平台自然語言處理

自然語言處理（NLP）可讓您瞭解商家收到的訊息，並從中擷取有意義的資訊（日期、時間等）。您可以利用此資訊來識別意圖，以實作對話所需的訊息體驗。

使用 Meta 的內建 NLP 可減少計入訊息速率限制的 API 呼叫。

運作方式

在訊息送達商家之前，Meta 的內建 NLP 會先使用來自 Meta 的 Wit.ai 以及指出剖析器正確概率的信賴水準來剖析訊息，以幫助偵測含義並擷取資訊。然後訊息會像往常一樣轉送給商家，並且會伴隨在訊息中偵測到之任何有意義的資訊、實體和特徵一起傳送。例如，如果訊息中包含「你好，明天下午 2 點」之類的短句，則您會取得包含問候語的特徵和包含實際時間戳記的實體。

內建 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語言設定自動本地化。

Wit.ai

Wit.ai 是一款應用程式，可剖析訊息並從用戶的訊息建立實體。您可以使用所支援語言適用的預設 Wit.ai，也可以針對您想要支援的每一種語言建立自己的 Wit.ai 應用程式。當 Messenger 開放平台收到訊息時，會先尋找最常偵測到的語言，並使用相關聯的 Wit.ai 應用程式來擷取實體。如果沒有已連結最常偵測語言的 Wit.ai 應用程式，則會使用預設語言模型。

請參閱我們的 Wit.ai 文件，進一步瞭解 Wit.ai 應用程式以及如何建立和測試您自己的自訂 Wit.ai 應用程式 ，並查看支援的語言 清單。

新增 NLP 至粉絲專頁

有兩種方法可以將 NLP 新增至您的商家粉絲專頁：使用 Meta 應用程式主控板或程式設計方式。

應用程式主控板

若要使用應用程式主控板 來新增內建 NLP，請在產品下導覽至 Messenger > 設定，並向下捲動到內建 NLP 區塊。從下拉式功能表中選擇「Facebook 粉絲專頁」，並切換到開啟。然後選擇語言模型，其中包含可新增多種語言的選項。進階設定可讓您選擇 NLP 版本、用來取得實體相關資訊的詳細資訊標示，以及您想要接收之各種意圖和特徵的 n-best 值。此設定也會判斷所傳回之偵測到的語言設定數量。

系統會將從粉絲專頁收件匣隨機抽樣的先前對話編譯，並顯示在新建立的 Wit 應用程式中。您可以立即在 Wit.ai 應用程式中標註這些樣本。

程式設計方式

若要以程式設計方式新增 NLP，您需要：

• 向可在粉絲專頁執行 MESSAGING 工作之用戶要求的粉絲專頁存取權杖
• 粉絲專頁編號
• 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，即為粉絲專頁啟用 NLP。您也可以包含 model 參數，以設定預設語言英文以外的語言。

如需詳細資訊，請參閱粉絲專頁 NLP 參考資料 。

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"

您可以使用 custom_token 參數來使用您的自訂 Wit.ai 應用程式，並透過 POST 要求來更新 NLP 參數。若要停用 NLP，請傳送 POST 要求，並將 nlp_enabled 參數設定為 false。

Webhook 通知

如果啟用內建 NLP，則每個訊息物件的 message Webhooks 通知中將會包含相關的 NLP 實體和特徵。

實體和特徵

Messenger 開放平台預設會傳回下列實體。

內建特徵

Messenger 開放平台預設會傳回下列特徵。

請參閱我們的 Wit.ia 文件 ，進一步瞭解可用的實體、特徵等等。

通知範例

以下範例為包含短句「明天下午 4 點見」的訊息，且在剖析後會包含 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 messages Webhooks 中，您可以利用預設 NLP 來回應訊息。例如，如果您有 handleMessage() 函式來回應所收到的每則訊息，則可使用 greetings 實體來傳送適當的回應：

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
  }
}