Nghiên cứu xây dựng chatbot cho hệ thống trợ lý ảo ipa và ứng dụng trên dòng xe huyndai santafe 2021

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI - LUẬN VĂN THẠC SĨ ĐỀ TÀI: NGHIÊN CỨU XÂY DỰNG CHATBOT CHO HỆ THỐNG TRỢ LÝ ẢO IPA VÀ ỨNG DỤNG TRÊN DÒNG XE HUYNDAI SANTAFE 2021 HỌC VIÊN THỰC HIỆN: NGUYỄN VĂN ANH CHUYÊN NGÀNH: CÔNG NGHỆ THÔNG TIN MÃ SỐ: 8.48.02.01 Hà Nội - 10/2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI - LUẬN VĂN THẠC SĨ ĐỀ TÀI: NGHIÊN CỨU XÂY DỰNG CHATBOT CHO HỆ THỐNG TRỢ LÝ ẢO IPA VÀ ỨNG DỤNG TRÊN DÒNG XE HUYNDAI SANTAFE 2021 HỌC VIÊN THỰC HIỆN: NGUYỄN VĂN ANH CHUYÊN NGÀNH: CÔNG NGHỆ THÔNG TIN MÃ SỐ: 8.48.02.01 NGUỜI HƯỚNG DẪN KHOA HỌC TS LÊ HUY DŨNG Hà Nội - 10/2022 MỤC LỤC DANH MỤC CÁC TỪ VIẾT TẮT DANH MỤC CÁC HÌNH MỞ ĐẦU Tính cấp thiết đề tài Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Cấu trúc luận văn CHƯƠNG 1: HỆ THỐNG TRỢ LÝ ẢO 1.1 Khái niệm trợ lý ảo cách thức hoạt động trợ lý ảo 1.1.1 Khái niệm trợ lý ảo 1.1.2 Ứng dụng thực tế Trợ lý ảo 12 1.1.3 Trợ lý ảo giới 13 1.1.4 Kiến trúc hệ thống trợ lý ảo 18 1.2 Phương thức tương tác trợ lý ảo 19 1.2.1 Văn 19 1.2.2 Phương thức nhận diện giọng nói 20 1.2.3 Phương thức xử lý hình ảnh 21 1.3 Các tính trợ lý ảo 21 1.3.1 Tính tìm kiếm thông tin 22 1.3.2 Các tảng hỗ trợ trợ lý ảo 23 TIỂU KẾT CHƯƠNG 24 CHƯƠNG 2: NGHIÊN CỨU XÂY DỰNG CHATBOT CHO HỆ THỐNG TRỢ LÝ ẢO IPA VÀ ỨNG DỤNG TRÊN DÒNG XE HUYNDAI SANTAFE 2021 25 2.1 Hệ thống trợ lý ảo IPA Huyndai Santafe 2021 25 2.2 Mơ hình Chatbot tiếng việt cho IPA 26 2.2.1 Mạng học sâu DNNs 26 2.2.2 Quản lý hội thoại 28 2.2.2.1 Mơ hình quản lý dựa khung (Frame based dialog Agents) 28 2.2.2.2 VoiceXML 30 2.2.3 Mơ hình sinh hội thoại 31 2.2.3.1 Ý nghĩa mơ hình sinh hội thoại 31 2.2.3.2 Đặc điểm mơ hình hội thoại 32 2.2.4 Xây dựng mơ hình 33 2.2.4.1 Mạng nơ ron tái phát RNN 33 2.2.4.2 Mơ hình LSTM 34 2.2.3 Vấn đề giải pháp khắc phục 36 TIỂU KẾT CHƯƠNG 38 CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ 39 3.1 Phát triển toán 39 3.2 Chương trình thực nghiệm 39 3.2.1 Cấu trúc API.AI 40 3.2.2 Thành phần API.AI 41 3.2.3 Mơ hình xây dựng 43 KẾT LUẬN 47 TÀI LIỆU THAM KHẢO 48 DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Từ chuẩn AI Artificial Intelligence ML Machine Learning RNN LSTM Diễn giải Trí tuệ nhân tạo Máy học, máy móc có khả năng học tập Recurrent Neural Network Long short-term memory Mạng nơ ron tái phát Mạng cải tiến để giải vấn đề phụ thuộc dài NLP Natural Languague Processing Xử lý ngôn ngữ tự nhiên SDK Support Development Kit Bộ công cụ hỗ trợ phát triển API Application Programming Interface Giao diện lập trình ứng dụng Các cặp câu hỏi đáp QA Question Answering IPA Intelligent Personal Assistants ASR Automatic Speech Recognition Xử lý giọng nói QC Query Classifier Phân loại truy vấn HMM Hidden Markov Mơ hình Hidden Markov GMM Gaussian mơ hình hỗ hợp Gaussian IMM Image Matching Xử lý hình ảnh SURF Speeded up robust features Nhận dạng hình ảnh Question-Answering Dịch vụ câu hỏi trả lời NLU Natural language understanding Hiểu ngơn ngữ tự nhiên CRF Conditional Random Fields Mơ hình CRF FSA Finite State Automata FSM Finite State Machine QA Ứng dụng Hỗ trợ Cá nhân Thơng minh Mơ hình dựa máy trạng thái hữu hạn Máy trạng thái hữu hạn FST A-FSM WFST DNN Máy chuyển đổi trạng thái hữu Finite State Transducer hạn Acceptor Finite State Machine Máy trạng thái hữu hạn chấp nhận Weighted Finite State Máy chuyển đổi trạng thái hữu Transducer hạn có trọng số Deep Neural Networks Mơ hình học máy DANH MỤC CÁC HÌNH Hình 1.1 Mơ tả hệ thống trợ lý ảo hoạt động 13 Hình 1.2 Kiến trúc hệ thống trợ lý ảo 18 Hình 1.3 Kiến trúc bên LSTM 19 Hình 1.3 Kiến trúc nhận dạng giọng nói 20 Hình 2.1 Mô phỏng hệ thống trợ lý ảo xe Huyndai Santafe 2021 25 Hình 2.2 Biểu diễn mơ hình mạng 28 Hình 2.3 Mạng nơ ron tái phát RNN 33 Hình 2.4 Mơ hình LSTM 34 Hình 2.5 Cell state LSTM 35 Hình 2.6 LSTM chống vanishing gradient 36 Hình 3.1 Sơ đồ phát triển toán 39 Hình 3.2 Sơ đồ hoạt động Api.ai 41 Hình 3.3 Giao diện Api.ai intents 42 Hình 3.4 Giao diện Api.ai webhook 42 Hình 3.5 Mơ hình xây dựng giao diện 43 MỞ ĐẦU Tính cấp thiết đề tài Ngày nay, trí tuệ nhân tạo ngày phát triển mạnh mẽ Các hãng lớn Google đưa công nghệ tương tác trực tiếp với người dùng Trí tuệ nhân tạo ngày nâng cấp hoàn thiện giúp người dùng dễ dàng tương tác, dễ sử dụng giảm q trình thực Trí tuệ nhân tạo lĩnh vực mẻ quan tâm lớn từ hãng công nghệ hàng đầu Với công nghệ ngày áp dụng đời sống giúp người làm việc hiệu tiết kiệm thời gian sức lực, trí tuệ nhân tạo hệ thống xây dựng để phục vụ cho điều Hệ thống trợ lý ảo hệ thống giúp người giao tiếp với máy thực yêu cầu ý muốn người dùng Hiện giới hệ thống trợ lý ảo nghiên cứu phát triển mạnh mẽ hãng công nghệ hàng đầu giới Hiện nay, hệ thống trợ lý ảo điều khiển giọng nói bước bước quan trọng hệ thống hỗ trợ người lái thời đại vạn vận kết nối bên cạnh hệ thống “tự lái”, những mắt xích quan trọng cách mạng công nghiệp 4.0 tương lai [1] Hệ thống IPA dựa tảng Houndify hãng SoundHound (AI) đời với hàng loạt tính đại tích hợp, đặc biệt tính tương tác với người dùng Bên cạnh những tính đại, trợ lý ảo IPA thực lệnh điều khiển kiểm soát giọng nói lái xe như: khả thực gọi, gửi tin nhắn văn bản, tìm kiếm điểm đến, tìm kiếm nhạc, kiểm tra thời tiết quản lý lịch biểu, điều chỉnh điều hịa khơng khí, cửa sổ trời khóa cửa, thu thập thông tin khác xe [1] Tuy nhiên, thực tiễn, nhiều hệ thống trợ lý ảo điều khiển giọng nói cịn gặp nhiều lỗi q trình sử dụng, ngơn ngữ tiếng Việt – chưa phải ngôn ngữ chưa hỗ trợ nhiều [2], [3] Với mong muốn tìm hiểu sâu việc xử lý ngôn ngữ tự nhiên hệ thống trợ lý ảo em chọn đề tài “Nghiên cứu xây dựng chatbot cho hệ thống trợ lý ảo IPA ứng dụng dòng xe huyndai santafe 2021” làm đề tài luận văn thạc sĩ Với nội dung: Chương 1: Giới thiệu tổng quan hệ thống trợ lý ảo, cấu trúc hệ thống trợ lý ảo, trình bày xử lý ngôn ngữ tự nhiên NLP ứng dụng NLP chatbot Chương 2: Nghiên cứu số kĩ thuật sử dụng chatbot, tìm hiểu quản lý hội thoại, mơ hình sinh hội thoại Chương 3: Đề xuất cải thiện xây dựng chatbot, thực nghiệm đánh giá Mục tiêu nghiên cứu + Nghiên cứu tổng quan hệ thống trợ lý ảo IPA ứng dụng dòng xe Huyndai Santafe 2021 + Nghiên cứu số kỹ thuật sử dụng để xử lý ngôn ngữ tự nhiên trợ lý ảo IPA + Đề xuất cải thiện xây dựng chatbot ứng dụng dòng xe Huyndai Santafe 2021 Đối tượng phạm vi nghiên cứu + Đối tượng: hệ thống trợ lý ảo IPA Huyndai + Phạm vi:  Hệ thống xử lý ngôn ngữ tự nhiên ứng dụng trợ lý ảo IPA tảng Houndify dòng xe Huyndai Santafe  Nghiên cứu tiến hành từ tháng 1/2021 đến 10/2021 Phương pháp nghiên cứu - Phương pháp nghiên cứu lý thuyết phương pháp thu thập thông tin thông qua nghiên cứu tài liệu nhằm mục đích tìm chọn những khái niệm tư tưởng sở cho lý luận đề tài, hình thành giả thuyết khoa học, dự đốn những thuộc tính đối tượng nghiên cứu, xây dựng những mơ hình lý thuyết hay thực nghiệm ban đầu Trong luận văn phương pháp nghiên cứu lý thuyết sử dụng để tìm hiểu cấu trúc hệ thống trợ lý ảo, quy trình nhận dạng giọng nói tự động, xử lý hình ảnh, cấu trúc hệ thống chatbot, … việc xử lý ngôn ngữ tự nhiên - Phương pháp nghiên cứu thực tiễn cho phép nhà nghiên cứu tác động trực tiếp vào đối tượng nhìn thấy xuất hiện, phát triển, diễn biến kết thúc vật tượng thực tiễn, phát quy luật tất yếu phát triển đối tượng, giúp kiểm tra kết nghiên cứu hoạt động thực tiễn, cải tạo thực tiễn Trong khóa luận, phương pháp nghiên cứu thực tiễn sử dụng để thu thập dữ liệu trình tương tác giữa người dùng với hệ thống chatbot dòng xe Huyndai Santafe - Phương pháp chuyên gia phương pháp điều tra qua đánh giá chuyên gia vấn đề, kiện khoa học Trong q trình thực khóa luận, thân học viên tham vấn thầy, chuyên gia việc xây dựng mô hình hệ thống xử lý ngơn ngữ tự nhiên Cấu trúc luận văn Ngoài phần mở đầu, kết luận, luận văn chia thành chương sau: Chương 1: Tổng quan hệ thống trợ lý ảo Chương 2: Nghiên cứu xây dựng chatbot cho hệ thống trợ lý ảo IPA ứng dụng dòng xe Huyndai Santafe 2021 Chương 3: Thực nghiệm đánh giá Bucketing giải vấn đề việc đặt câu vào xơ buckets có kích thước khác Ví ta có một danh sách xơ buckets: [(5, 10), (10, 15), (20, 25), (40, 50)] Nếu độ dài mẫu hỏi như ví dụ được đặt vào xô (5, 10) Mẫu hỏi được đệm với độ dài đáp án được đệm với độ dài 10 Trong lúc chạy mơ hình (huấn luyện hoặc dự đoán), sử dụng một mơ hình khác cho bucket, tương ứng với độ dài mẫu hỏi câu trả lời Tất những mơ hình chia sẻ tham số giống hoạt động xác theo một cách [15] Nếu sử dụng xơ (5, 10), câu được mã hóa thành: Q: [ PAD, “?”, “gì”, “là”, “tên”, “Bạn”] A: [ GO, “Vâng”, “tôi”, “là”, “ABot”, EOS, PAD, PAD, PAD, PAD] WORD EMBEDDING – mật độ dày đặc Được ứng dụng cho mơ hình hóa ngơn ngữ kỹ thuật học xử lý ngôn ngữ tự nhiên, nơi từ cụm từ từ vựng ánh xạ vector số thực Khái niệm bao hàm nhúng tốn học từ khơng gian với chiều cho từ tới không gian vector liên tục với kích thước thấp nhiều Word Embedding ứng dụng lớp mạng: Trong lớp embedding ánh xạ một từ (chỉ số index từ từ điển từ vựng) từ từ điển sang một vector dày đặc với kích thước cho Trong mơ hình seq2seq, trọng số lớp embedding huấn luyện giống với tham số khác mơ hình Trong nghiên cứu Mikolov cộng sự, 2013 Tác giả đề xuất hai kiến trúc để xây dựng word vector Continuous Bag-of-Words model (CBOW), Continuous Skip-gram model Trong đó, kiến trúc CBOW: Dự đốn từ hiện dựa ngữ cảnh từ trước Skip-gram: Dự đoán từ xung quanh cho từ hiện [12] 37 TIỂU KẾT CHƯƠNG Một hệ thống trợ lý ảo thông minh nhờ khối xử lý dữ liệu bên Với mạng học sâu DNN phần giúp hệ thống trả lời thơng minh Tuy có những hạn chế định cải thiện áp dụng vào thực tế Ở chương 3, xây dựng hệ thống trợ lý ảo bao gồm mơ hình: - Đầu vào cho người dùng: sử dụng khối ASR, khối IMM, khối nhập văn - Khối xử lý dữ liệu: Api.ai (hệ thống sử dụng mạng học sâu DNN xây dựng frame hộp thoại) - Đầu cho người dùng văn trả lời cho người dùng 38 CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ 3.1 Phát triển tốn Như trình bày chương chương tìm hiểu hệ thống trợ lý ảo, chương em trình bày việc xây dựng hệ thống chatbot áp dụng kiến thức tìm hiểu từ chương chương Bài toán xây dựng sau: Khi chủ nhân xe Saanraafe 2021 hỏi nội dung: “Khởi động xe!” hệ thống trả lời “Vâng!” tiến hành khởi động xe theo câu lệnh Nhưng xe gặp vấn đề khởi động hết bình bình ắc quy câu lệnh không thực với chatbox Chính xây dựng hệ thống trợ lý ảo thông minh IPA giải những hạn chế Tổng quan lại tốn dựa hình 3.1: Hình 3.1 Sơ đồ phát triển tốn 3.2 Chương trình thực nghiệm Mơ hình hệ thống trợ lý ảo (hay cịn gọi mơ hình chatbot) nơi xử lý những tương tác người dùng đưa câu trả lời phù hợp theo ý người dung Ở mơ hình tích hợp API.AI Google Api.ai hệ thống mở giúp lập trình 39 viên tự xây dựng hệ thống trợ lý ảo theo mục đích phát triển Hệ thống trợ lý ảo em xây dựng API.AI hệ thống giúp người dùng đặt đồ ăn hỏi những câu hỏi liên quan tới thời tiết Để hiểu rõ hệ thống trước hết cần hiểu cấu tạo API.AI từ huấn luyện dữ liệu cho chatbot để trả lời tự động những câu hỏi người dùng Hình 3.2 Mơ hình thử nghiệm Với phương pháp trình bày trên, chúng tơi tiến hành lập trình thử nghiệm dựa tảng Google Api.ai để phân loại ý định trích chọn thơng tin 3.2.1 Cấu trúc API.AI Nó hệ thống phát triển cơng nghệ tương tác giữa người máy tính dựa đối thoại tự nhiên cách sử dụng mạng học sâu DNN Được phát triển cho nhiều tảng để trả lời câu hỏi người dùng ngôn ngữ tự nhiên kết hợp ngữ cảnh trò chuyện lịch sử, vị trí, sở thích người dùng, v.v Hình 3.2 cấu trúc mơ hình chatbot, bao gồm mơ hình người dùng bao gồm đầu vào văn âm thanh, đầu văn âm mơ hình api.ai bao gồm ý định, khối xử lý dữ liệu đầu vào đầu Khi người dùng gửi văn bản, gửi đến api.ai Văn chuyển qua khối truy vấn sau đến khối ý định để xử lý dữ liệu Bao gồm số khung khối ý định để trả lời câu hỏi 40 người dùng Sau nhận câu trả lời từ sở dữ liệu, api.ai trả câu trả lời thích hợp cho người dùng Hình 3.3 Sơ đồ hoạt động Api.ai Dữ liệu tiền xử lý chuẩn hoá từ viết tắt, sai tả tách từ theo chuẩn Tiếng Việt (tách từ ghép) trước vào mơ hình Kết thu phân loại ý định từ câu đầu vào trích chọn thơng tin quan trọng 3.2.2 Thành phần API.AI Để hiểu rõ API.AI cần hiểu mô đun hệ thống Bao gồm: API.AI Intents: intents (ý định) đại diện cho việc lập đồ giữa những người dùng nói hành động máy tính Trong giao diện Intents gồm: user says, action, response, contexts 41 Hình 3.4 Giao diện Api.ai intents API.AI webhook: Mục đích khối webhook giúp cho lập trình viên tích hợp nhiều frame với dữ liệu huấn luyện sẵn mà không cần xây dựng lại từ đầu Điều giúp nhiều cho hệ thống muốn tích hợp hộp thoại có sẵn dữ liệu Hình 3.5 Giao diện Api.ai webhook 42 3.2.3 Mơ hình xây dựng Hệ thống webhook xây dựng theo Hình 3.4 Khi lập trình viên muốn xây dựng webhook với nội dung thời tiết, họ lấy dữ liệu từ thời tiết yahoo xây dựng webhook cách sử dụng mã nguồn python Sau hồn tất, tải lên heroku dịch vụ, nơi hỗ trợ nhiều webhook Từ heroku huấn luyện thành api.ai để làm cho hiểu Từ tương tác với người dùng thơng qua số webhook Hình 3.6 Mơ hình xây dựng giao diện Thơng tin huấn luyện chatbox Tiếng Việt: STT Người dùng TLA Chào mừng đến hệ Hi/ Khởi động hệ thống thống xe Huyndai Santafe 2021!/ Tơi có đủ xăng khơng? Xe đủ xăng 300 km nữa! Áp suất lốp tơi nào? Áp suất lốp bình thường! 43 Đánh giá Bật Maps/Khởi động Maps/ Đường Ok, hệ thống Maps bật! Bật nhạc/Mở nhạc Ok, hệ thống khởi động Nhạc MP3 thành công! Mở cửa sổ trời! Xe mở cửa số trời Di chuyển ghế hành khách phía sau chút Đã thực thành công! Ở hàng ghế sau lạnh Ok điều chỉnh nhiệt độ thích hợp! Bật đèn pha Ok bật đèn pha! 10 Tắt máy/Tắt xe Đã thực hiện! * Giao diện ứng dụng: 44 Khi yêu cầu khởi động hệ thống xe thành công! Khi yêu cầu chức hệ thống thành công! 45 46 KẾT LUẬN Hệ thống trợ lý ảo lĩnh vực mà công ty công nghệ tập trung đầu tư nghiên cứu mạnh mẽ ngày phát triển Ứng dụng hệ thống trợ lý ảo dần đưa vào đời sống, tích hợp từ những hệ thống chatbot tích hợp vào hệ thống phức tạp y tế, dạy học Qua luận văn, em đạt những kết định Đầu tiên hiểu mơ hình hệ thống trợ lý ảo cấu trúc hệ thống Từ mô hình hệ thống trợ giúp ảo giúp tơi hiểu cấu trúc, thuật tốn mơ hình Từ giúp tơi sâu tìm hiểu module hệ thống áp dụng vào thực tế để xây dựng hệ thống trợ lý ảo phù hợp với mục đích Thứ hai bắt đầu với việc đào tạo chatbots, giúp tơi hiểu sâu hiểu sâu mạng học sâu, cách xây dựng mơ hình đối thoại, xây dựng dữ liệu đào tạo, v.v Thu thập kiến thức từ đưa vào thực tế sử dụng để đào tạo hệ thống trợ lý ảo Thứ ba xây dựng mơ hình chatbot, nghiên cứu chatbot hệ thống trợ lý ảo IPA ứng dụng dòng xe Hyundai Santa Fe 2021 Tùy theo yêu cầu mục đích thực tiễn, xây dựng hệ thống Trợ lý ảo phản hồi yêu cầu đưa cho người dùng Từ những kết ban đầu, nhận nhiều việc phải làm cần phải tối ưu hóa Nhưng cách tiếp cận ban đầu cho kết khả quan đắn giải vấn đề xây dựng tính tốn hệ thống đối thoại Đối với hướng nghiên cứu tiếp theo, tiếp tục làm mịn dữ liệu để tạo mơ hình phản ứng gần với ngữ cảnh, đạt chất lượng cao hơn, giảm khả né tránh đưa cá tính vào bối cảnh trị chuyện Kể từ đó, áp dụng cho nhiều hệ thống hỗ trợ ảo với yêu cầu mục đích xây dựng khác 47 TÀI LIỆU THAM KHẢO [1] Apple’s Siri, “https://www.apple.com/ios/siri/” [2] Google’s Google Now, “http://www.google.com/landing/now/” [3] Microsoft’s Cortana., “http://www.windowsphone.com/enus/features” [4] Google’s, “https://api.ai/docs/getting-started/basics” [5] Elizabeth D.Liddy, Natural Language Processing, papers 1-15, Syracuse University 2001., 2001 [6] Johann Hauswald, Michael A Laurenzano, Yunqi Zhang, Cheng Li, Austin Rovinski, Arjun Khurana, Ronald G Dreslinski, Trevor Mudge, Vinicius Petrucci1, Lingjia Tang, Jason Mars, Sirius: An Open End-to-End Voice and Vision Personal Assistant and Its Implications for Future Warehouse Scale Computers., papers 1-16, 2004 [7] Daniel Jurafsky & James H Martin.papers, “Speech and Language Processing, chapter 29, papers 1-25, August 7, 2017, 2017 [8] Oriol Vinyals, Quoc V Le, A Neural Conversational Model, papers 1-8, 2015 [9] Ilya Sutskever, Oriol Vinyals, Quoc V Le, Montreal, Canada, Sequence to Sequence Learning with Neural Networks, paper 1-9, 2014 [10] Hyundai phát triển trợ lý ảo thông minh, điều khiển giọng nói, https://nghenhinvietnam.vn/xe-doi-song/hyundai-phat-trien-tro-ly-ao-thongminh-dieu-khien-bang-giong-noi-44500.html [11] Trợ lý ảo, https://autopro.com.vn/tro-ly-ao.htm 48 PHỤ LỤC File index.jx // See https://github.com/dialogflow/dialogflow-fulfillment-nodejs // for Dialogflow fulfillment library docs, samples, and to report issues 'use strict'; const functions = require('firebase-functions'); const {WebhookClient} = require('dialogflow-fulfillment'); const {Card, Suggestion} = require('dialogflow-fulfillment'); process.env.DEBUG = 'dialogflow:debug'; // enables lib debugging statements exports.dialogflowFirebaseFulfillment = functions.https.onRequest((request, response) => { const agent = new WebhookClient({ request, response }); console.log('Dialogflow Request headers: ' + JSON.stringify(request.headers)); console.log('Dialogflow Request body: ' + JSON.stringify(request.body)); function welcome(agent) { agent.add(`Welcome to my agent!`); } function fallback(agent) { agent.add(`I didn't understand`); agent.add(`I'm sorry, can you try again?`); } // // Uncomment and edit to make your own intent handler // // uncomment `intentMap.set('your intent name here', yourFunctionHandler);` // // below to get this function to be run when a Dialogflow intent is matched // function yourFunctionHandler(agent) { 49 // agent.add(`This message is from Dialogflow's Cloud Functions for Firebase editor!`); // agent.add(new Card({ // title: `Title: this is a card title`, // imageUrl: 'https://developers.google.com/actions/images/badges/XPM_BADGING_GoogleAssis tant_VER.png', // text: `This is the body text of a card You can even use line\n breaks and emoji! 💁`, // buttonText: 'This is a button', // buttonUrl: 'https://assistant.google.com/' // }) // ); // agent.add(new Suggestion(`Quick Reply`)); // agent.add(new Suggestion(`Suggestion`)); // agent.setContext({ name: 'weather', lifespan: 2, parameters: { city: 'Rome' }}); // } // // Uncomment and edit to make your own Google Assistant intent handler // // uncomment `intentMap.set('your intent name here', googleAssistantHandler);` // // below to get this function to be run when a Dialogflow intent is matched // function googleAssistantHandler(agent) { // let conv = agent.conv(); // Get Actions on Google library conv instance // conv.ask('Hello from the Actions on Google client library!') // Use Actions on Google library // agent.add(conv); // Add Actions on Google library responses to your agent's response // } // // See https://github.com/dialogflow/fulfillment-actions-library-nodejs 50 // // for a complete Dialogflow fulfillment library Actions on Google client library v2 integration sample // Run the proper function handler based on the matched Dialogflow intent name let intentMap = new Map(); intentMap.set('Default Welcome Intent', welcome); intentMap.set('Default Fallback Intent', fallback); // intentMap.set('your intent name here', yourFunctionHandler); // intentMap.set('your intent name here', googleAssistantHandler); agent.handleRequest(intentMap); }); 51 ... cho hệ thống trợ lý ảo IPA ứng dụng dòng xe Huyndai Santafe 2021 chương 24 CHƯƠNG 2: NGHIÊN CỨU XÂY DỰNG CHATBOT CHO HỆ THỐNG TRỢ LÝ ẢO IPA VÀ ỨNG DỤNG TRÊN DÒNG XE HUYNDAI SANTAFE 2021 2.1 Hệ thống. .. trợ trợ lý ảo 23 TIỂU KẾT CHƯƠNG 24 CHƯƠNG 2: NGHIÊN CỨU XÂY DỰNG CHATBOT CHO HỆ THỐNG TRỢ LÝ ẢO IPA VÀ ỨNG DỤNG TRÊN DÒNG XE HUYNDAI SANTAFE 2021 25 2.1 Hệ thống trợ lý. .. nhiên trợ lý ảo IPA + Đề xuất cải thiện xây dựng chatbot ứng dụng dòng xe Huyndai Santafe 2021 Đối tượng phạm vi nghiên cứu + Đối tượng: hệ thống trợ lý ảo IPA Huyndai + Phạm vi:  Hệ thống xử lý