Pedoman Umum

Permintaan penandatanganan — Semua operasi API pembuatan model dan runtime Amazon Lex dalam Referensi API menggunakan tanda tangan V4 untuk mengautentikasi permintaan. Untuk informasi selengkapnya tentang melakukan autentikasi permintaan, lihat Proses Penandatanganan Tanda Tangan Versi 4 dalam Referensi Umum Amazon Web Services.

UntukPostContent, Amazon Lex menggunakan opsi payload yang tidak ditandatangani yang dijelaskan dalam Perhitungan Tanda Tangan untuk Header Otorisasi: Mentransfer Payload dalam Satu Potongan (AWS Signature Version 4) di Referensi API Amazon Simple Storage Service (S3) Amazon Simple Storage Service (S3).

Saat Anda menggunakan opsi payload yang tidak ditandatangani, jangan sertakan hash payload dalam permintaan kanonik. Sebagai gantinya, Anda menggunakan string literal “UNSIGNED-PAYLOAD” sebagai hash dari payload. Sertakan juga header dengan nama x-amz-content-sha256 dan nilai UNSIGNED-PAYLOAD dalam PostContent permintaan.

Perhatikan hal berikut tentang bagaimana Amazon Lex menangkap nilai slot dari ucapan pengguna:

Amazon Lex menggunakan nilai enumerasi yang Anda berikan dalam definisi jenis slot untuk melatih model pembelajaran mesinnya. Misalkan Anda mendefinisikan maksud yang disebut GetPredictionIntent dengan contoh ucapan berikut:

"Tell me the prediction for {Sign}" 

{Sign}Dimana slot tipe kustomZodiacSign. Ini memiliki 12 nilai enumerasi, melalui. Aries Pisces Dari ucapan pengguna “Katakan padaku prediksi untuk...” Amazon Lex memahami apa yang berikut adalah tanda zodiak.

Ketika valueSelectionStrategy bidang diatur untuk ORIGINAL_VALUE menggunakan PutSlotType operasi, atau jika nilai Expand dipilih di konsol, jika pengguna mengatakan “Beri tahu saya prediksi untuk bumi”, Amazon Lex menyimpulkan bahwa “earth” adalah a ZodiacSign dan meneruskannya ke aplikasi klien Anda atau fungsi Lambda. Anda harus memeriksa bahwa nilai slot memiliki nilai yang valid sebelum menggunakannya dalam aktivitas pemenuhan Anda.

Jika Anda menyetel valueSelectionStrategy bidang untuk TOP_RESOLUTION menggunakan PutSlotType operasi, atau jika Batasi nilai slot dan sinonim dipilih di konsol, nilai yang dikembalikan terbatas pada nilai yang Anda tentukan untuk jenis slot. Misalnya, jika pengguna mengatakan “Beri tahu saya prediksi untuk bumi” nilainya tidak akan dikenali karena itu bukan salah satu nilai yang ditentukan untuk jenis slot. Ketika Anda mendefinisikan sinonim untuk nilai slot, mereka dikenali sama dengan nilai slot, namun, nilai slot dikembalikan bukan sinonim.

Ketika Amazon Lex memanggil fungsi Lambda atau mengembalikan hasil interaksi ucapan dengan aplikasi klien Anda, kasus nilai slot tidak dijamin. Misalnya, jika Anda memunculkan nilai untuk Amazon.Movie jenis slot built-in, dan pengguna mengatakan atau mengetik “Gone with the wind,” Amazon Lex dapat mengembalikan “Gone with the Wind,” “gone with the wind,” atau “Gone With The Wind.” Dalam interaksi teks, kasus nilai slot cocok dengan teks yang dimasukkan atau nilai slot, tergantung pada nilai valueResolutionStrategy bidang.

Saat menentukan nilai slot yang berisi akronim, gunakan pola berikut:

Amazon Lex tidak mendukung jenis slot built-in AMAZON.LITERAL yang didukung Alexa Skills Kit. Namun, Amazon Lex mendukung pembuatan jenis slot khusus yang dapat Anda gunakan untuk mengimplementasikan fungsi ini. Seperti yang disebutkan dalam bullet sebelumnya, Anda dapat menangkap nilai di luar definisi jenis slot khusus. Tambahkan nilai enumerasi yang lebih banyak dan beragam untuk meningkatkan akurasi pengenalan suara otomatis (ASR) dan pemahaman bahasa alami (NLU).

Jenis slot bawaan AMAZON.DATE dan AMAZON.TIME menangkap tanggal dan waktu absolut dan relatif. Tanggal dan waktu relatif diselesaikan di wilayah tempat Amazon Lex memproses permintaan.

Untuk jenis slot AMAZON.TIME bawaan, jika pengguna tidak menentukan waktu sebelum atau sesudah tengah hari, waktunya ambigu dan Amazon Lex akan meminta pengguna lagi. Kami merekomendasikan petunjuk yang menghasilkan waktu absolut. Misalnya, gunakan prompt seperti “Kapan Anda ingin pizza Anda dikirim? Anda bisa mengatakan jam 6 sore atau 6 malam.”

Menyediakan data pelatihan yang membingungkan di bot Anda mengurangi kemampuan Amazon Lex untuk memahami masukan pengguna. Pertimbangkan contoh berikut:

Misalkan Anda memiliki dua maksud (OrderPizzadanOrderDrink) di bot Anda dan keduanya dikonfigurasi dengan ucapan “Saya ingin memesan”. Ucapan ini tidak memetakan ke maksud tertentu yang dapat dipelajari Amazon Lex saat membangun model bahasa untuk bot pada waktu pembuatan. Akibatnya, ketika pengguna memasukkan ucapan ini saat runtime, Amazon Lex tidak dapat memilih maksud dengan tingkat kepercayaan yang tinggi.

Pertimbangkan contoh lain di mana Anda menentukan maksud khusus untuk mendapatkan konfirmasi dari pengguna (misalnya,MyCustomConfirmationIntent) dan mengonfigurasi intent dengan ucapan “Ya” dan “Tidak.” Perhatikan bahwa Amazon Lex juga memiliki model bahasa untuk memahami konfirmasi pengguna. Ini dapat menciptakan situasi yang saling bertentangan. Ketika pengguna merespons dengan “Ya,” apakah ini berarti bahwa ini adalah konfirmasi untuk maksud yang sedang berlangsung atau bahwa pengguna meminta maksud khusus yang Anda buat?

Secara umum, contoh ucapan yang Anda berikan harus dipetakan ke maksud tertentu dan, secara opsional, ke nilai slot tertentu.

Operasi API runtime PostContent dan PostText mengambil ID pengguna sebagai parameter yang diperlukan. Pengembang dapat menyetel ini ke nilai apa pun yang memenuhi batasan yang dijelaskan dalam API. Kami menyarankan Anda untuk tidak menggunakan parameter ini untuk mengirim informasi rahasia seperti login pengguna, email, atau nomor jaminan sosial. ID ini terutama digunakan untuk mengidentifikasi percakapan secara unik dengan bot (mungkin ada beberapa pengguna yang memesan pizza).

Jika aplikasi klien Anda menggunakan Amazon Cognito untuk autentikasi, Anda dapat menggunakan ID pengguna Amazon Cognito sebagai ID pengguna Amazon Lex. Perhatikan bahwa setiap fungsi Lambda yang dikonfigurasi untuk bot Anda harus memiliki mekanisme otentikasi sendiri untuk mengidentifikasi pengguna yang atas nama Amazon Lex menjalankan fungsi Lambda.

Kami mendorong Anda untuk menentukan maksud yang menangkap niat pengguna untuk menghentikan percakapan. Misalnya, Anda dapat mendefinisikan intent (NothingIntent) dengan contoh ucapan (“Saya tidak ingin apa-apa”, “keluar”, “bye bye”), tidak ada slot, dan tidak ada fungsi Lambda yang dikonfigurasi sebagai kait kode. Ini memungkinkan pengguna menutup percakapan dengan anggun.