1 / 25

Truebot: Um chatterbot personalizável

Truebot: Um chatterbot personalizável. Henrique Borges Alencar Siqueira. Orientador: André M. M. Neves. Motivação. E-commerce Suporte on-line 24/7 Entretenimento Educação. Roteiro . O que são chatterbots Como chatterbots são implementados AIML (Artificial Inteligence Markup Language)

shayna
Download Presentation

Truebot: Um chatterbot personalizável

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Truebot: Um chatterbot personalizável Henrique Borges Alencar Siqueira Orientador: André M. M. Neves

  2. Motivação • E-commerce • Suporte on-line 24/7 • Entretenimento • Educação

  3. Roteiro • O que são chatterbots • Como chatterbots são implementados • AIML (Artificial Inteligence Markup Language) • Porque é difícil editar e personalizar um chatterbot em AIML • iAIML: Organizando AIML para tratar intenção • Truebot: Um chatterbot personalizável

  4. O que são Chatterbots? • Sistemas que tentam simular um ser humano conversando com seu usuário

  5. Exemplo de diálogo Vendedor: “Olá! O que você está procurando?” Usuário: “Um notebook para meu negócio de consultoria.” Vendedor: “Por favor descreva se você tem alguma restrição de preços.” Usuário: “Não é muito importante. Estou interessado em alta performance.” Vendedor: “Você está procurando algum notebook topo-de-linha?” Usuário: “Sim, exatamente!” Vendedor: “Acredito que temos o produto certo para você. Clique aqui para ver o ThinkPad770”

  6. Como chatterbots são implementados • Diversas abordagens já foram tentadas: • 1966 – ELIZA – Casamento de padrões • 1994 – JULIA – Redes Neurais • 1996 – ALICE – Casamento de padrões com uma linguagem simples e baseada em XML (AIML) • O casamento de padrões ainda é a melhor solução encontrada e vem sendo utilizado desde a década de 60.

  7. Como chatterbots são implementados • Frases são entendidas através dos padrões • A resposta do chatterbot depende do padrão que casou a frase

  8. Como chatterbots são implementados • As implementações mais simples e bem sucedidas atualmente utilizam casamento de padrões com a linguagem AIML. • Mais de 50 mil chatterbots implementados em AIML

  9. Artificial Inteligence Markup Language (AIML) • Linguagem de marcação utilizada para: • Definir os padrões compreendidos pelo chatterbot • Definir as réplicas de cada padrão

  10. Elementos Category: Unidade básica Pattern: Padrão de entrada Template: Resposta do chatterbot Artificial Inteligence Markup Language (AIML) <category> <pattern>Olá</pattern> <template> Olá, usuário </template> </category>

  11. Por que é difícil personalizar um chatterbot em AIML • Para mudar a resposta de um padrão, edita-se a categoria. • Implementações comuns em AIML contém mais de 45 mil categorias.

  12. Por que é difícil personalizar um chatterbot em AIML • iGOD • Um dos chatterbots mais visitados atualmente • Teve sua base de conhecimentos baseada em ALICE • Sem condições de personalizar completamente os quase 50 mil padrões, seu criador deixou inconsistências na base de conhecimentos

  13. Por que é difícil personalizar um chatterbot em AIML • Diálogo com iGOD em dezembro de 2005: • Usuário: “Quem é você?” • iGOD: “Eu sou o Todo-poderoso.” • Usuário: “Quem é ALICE?” • iGOD: “Eu sou o Todo-poderoso.” • Usuário: “Não estava me referindo a você!”

  14. iAIML: Organizando AIML para tratar intenção • Tese de doutorado de André M.M. Neves apresentada em fevereiro de 2005 • Propunha uma reorganização da base AIML, em que o diálogo gira em torno de intenções

  15. iAIML: Organizando AIML para tratar intenção • O número de intenções é bem menor que o número de padrões • 11 mil padrões divididos em apenas 73 intenções • Saudar: 56 padrões • Perguntar o sexo do chatterbot: 650 padrões • Xingar: 839 padrões

  16. iAIML: Organizando AIML para tratar intenção • A reorganização da base AIML permitiu a criação de chatterbots personalizáveis: • Antes: Respostas em 11 mil padrões • Depois: Respostas em menos de 100 padrões, um para cada intenção.

  17. Truebot • No Truebot, vemos o processamento do diálogo como duas fases distintas • Mapeamento Frase/Intenção • Determina o que o usuário quis dizer • Mapeamento Intenção/Resposta • Determina como o chatterbot deve responder

  18. Truebot 2ª FASE 1ª FASE FRASE INTENÇÃO RESPOSTA Olá Saudar Olá, como vai?

  19. Truebot • A divisão em fases permite a identificação de componentes reusáveis no chatterbot

  20. Mapeamento Frase/Intenção Independente de personalidade Reuzável Mapeamento Intenção/Resposta Dependente de personalidade Personalizado ao criar um novo chatterbot Truebot

  21. Truebot: Resultados • Seguindo a divisão em fases proposta, foram criadas duas bases para o Truebot, uma para cada fase: • Base Genérica • Base Específica

  22. Base Genérica Mapeamento Frase/Intenção Após o mapeamento, redireciona para a Base Específica 10.994 padrões sem nenhuma resposta Inviável personalizar, mas desnecessário Base Específica Mapeamento Intenção/Resposta 73 padrões, um por arquivo, com as respostas de cada intenção Facilmente personalizável Truebot: Resultados

  23. Truebot: Resultados • 6 chatterbots completamente distintos em menos de uma semana • Uma base de padrões reutilizável

  24. Obrigado!

  25. Truebot: Um chatterbot personalizável Henrique Borges Alencar Siqueira Orientador: André M. M. Neves

More Related